BioSecBench-Function: A Verifiable Benchmark for Reasoning about Biological Function from Experimental Data
यह शोध पत्र BioSecBench-Function को प्रस्तुत करता है, जो एक सत्यापन योग्य बेंचमार्क है जिसमें सात जैव-सुरक्षा संबंधी प्रश्न प्रकारों के माध्यम से 111 मूल्यांकन शामिल हैं ताकि प्रायोगिक डेटा से जैविक कार्यों का सटीक रूप से अनुमान लगाने की एआई एजेंटों की क्षमता का आकलन किया जा सके, जो मॉडलों के बीच प्रदर्शन में महत्वपूर्ण भिन्नता को प्रकट करता है और यह उजागर करता है कि लागत सटीकता का एक विश्वसनीय भविष्यवक्ता नहीं है।