The Generalist Strikes Back:\\A General LLM Agent Outperforms Specialist Bioinformatics Agents on Free-Form, End-to-End Benchmark Analysis
Dit artikel toont aan dat een algemene frontier LLM-agent (Claude Opus 5.5) die uitsluitend standaard programmeertools gebruikt, gespecialiseerde bioinformatica-agents verslaat op een uitgebreide benchmark, wat onthult dat de huidige beperkingen in het meten van vooruitgang primair voortvloeien uit problemen met de betrouwbaarheid van benchmarks in plaats van de capaciteit van de agent.