OpenAI 发布了名为 GeneBench-Pro 的新基准测试，旨在评估人工智能模型在生物学计算方面的能力。与以往侧重于模型是否“记住了知识”或能否“按固定流程完成任务”的评估方式不同，GeneBench-Pro 更注重模型在实际科研情境下的应用价值。它要求模型在面对“模糊、不完整，甚至混杂有干扰信息的数据环境”时，能够进行判断和分析并得出结论。
GeneBench-Pro 覆盖了基因组学、定量生物学和转化医学等多个领域，共计包含 129 道题目。这些题目被划分为 10 个主要领域和 21 个子领域，涉及统计遗传学、群体遗传学、功能基因组学、蛋白质组学等多个方面。每道测试题都为模型提供了一份贴近真实科研环境的数据集，并附带简要的实验背景说明以及一个与后续决策相关的目标问题。模型需要独立完成数据探索、选择分析方法，并在此过程中不断调整策略，最终给出答案。
为了规避传统长流程基准测试中常见的评分偏差，OpenAI 在设计 GeneBench-Pro 时，将合成数据作为核心构建方法。这是因为使用历史真实数据出题时，往往存在多条合理的分析路径，这可能导致模型即使采用了错误的方法，也可能偶然得出正确答案。
通过利用合成数据，OpenAI 可以完全掌握底层因果结构和数据生成过程，从而更精确地判断模型是否真正理解了问题，而非仅仅走了捷径。
目前，OpenAI 已在 Hugging Face 上开源了 10 道代表性的 GeneBench-Pro 示例题目，并提供交互式界面供外部研究人员体验。未来，官方将开放其中的 50 道题目给 Artificial Analysis 进行第三方独立评估，以验证不同模型在这一基准测试中的实际表现。这项评估的意义，对于理解 AI 在复杂科学问题上的能力，犹如了解世界杯赛程对于球迷预测比赛的重要性。
精彩评论
球迷代表：卡隆·巴利纳
2026年5月10日 回复世界杯2026围绕世界杯赛程不断创新，回应用户的真实需求。
球迷代表：朱莉娅斯·罗伊
2026年5月12日 回复精选世界杯竞猜内容，世界杯2026与你一同发现更多精彩。
球迷代表：阿里斯塔·威廉姆森
2026年5月15日 回复世界杯2026专注世界杯直播，为用户提供专业可靠的体验。