MetagenomicsBench: A Verifiable Benchmark for Agentic Metagenomics Analysis
本論文は、AIエージェントが現実世界のマイクロバイオームデータを分析する能力を評価するために、多様なメタゲノム領域にわたる100の評価からなる検証可能なベンチマークであるMetagenomicsBenchを導入しており、最強の構成が60%の合格率を達成している一方で、エージェントは技術的な習熟度にもかかわらず、問題の解釈、統計的推論、および生物学的解釈において頻繁に苦戦していることを明らかにしている。