午方 AI 获悉，OpenAI 正式推出 LifeSciBench 评估基准，旨在量化人工智能系统在现实世界科学研究场景中的综合效能。该基准由 173 位具备博士学位及生物技术或制药行业经验的研究人员共同构建，包含 750 项精心设计的任务，覆盖 7 种科研工作流程及 7 个生物学科领域。

LifeSciBench 着重考察 AI 在证分析、科学推理及科学交流等复杂维度的表现，而非局限于单一事实性问答。数据显示，超过 79% 的任务涉及多步骤推理，平均每题需经历约 4 个推理环节，并附带 1,062 份真实研究数据文件，包括论文、图表、序列数据及结构文件等。