AISLE通过真实湿实验评测AI模型
据机器之心报道,律动造物联合多家科研机构推出AI Scientists' Last Exam(AISLE),这是一项利用自动化实验室评测模型干湿实验闭环能力的公开基准。首轮评测覆盖两个实验站点和4079次真实实验。在完成湿实验全部评测维度的模型中,GPT 5.5以41.19分排名第一;按照团队采用的安全标准,所有参测模型的完整通过率均为0%。评测结果主要来自项目方披露,所供报道未对其进行独立验证。36氪人工智能的文章是机器之心报道的授权转载。
项目方披露的结果以可量化的方式显示,数字推理能力与安全、可靠的实验室执行之间仍有明显差距。AISLE还提供了一种标准化方式,把真实实验反馈转化为模型评测信号;据报道,这些反馈也可用于模型后训练。
原创 关注AI的 2026-11-09 16:45 北京
打通AI for Science「最后一公里」
编辑|Youli
前段时间,Anthropic 展示了一项 AI for Science 研究成果:Claude 在 64 小时内生成了 31.8 万个蛋白质设计方案,经过筛选,211 个被送入湿实验室测试,最终有 17 个达到预设的蛋白结合标准,展示了 AI 科学设计走向真实实验验证的巨大潜力。但 Anthropic 也指出,从结合命中到真正可用的抗毒疗法,仍面临复杂的活性验证与成药性考验等一系列考验。
#AI Scientists' Last Exam (AISLE)#MasterAI-EAM#GPT 5.5#Claude#Gemini#Anthropic#Harbor#University of New South Wales#National University of Singapore#ETH Zurich#UC Berkeley#Acceleration Consortium