近日，人工智能研究机构 OpenAI 正式对外宣布了一项名为 BioBasicsBench 的新基准测试，旨在量化评估人工智能代理处理日常“湿实验”科学任务的能力。这一举措标志着 AI 技术在科学发现领域的应用正从理论模拟向实际操作进一步深化。
BioBasicsBench 包含了 100 个精心设计的任务，这些任务模拟了生物实验室中常见的实际工作流程。与以往仅基于文本数据的评估不同，该基准测试的核心挑战在于让 AI 代理能够处理原始实验数据。在现实世界的生物研究中，实验数据往往以图表、电子表格或复杂的仪器输出形式呈现，不仅包含噪声，而且格式各异。OpenAI 指出，目前的许多大语言模型在处理这种非结构化、多模态的原始数据时仍存在困难。
所谓“湿实验”，是指涉及试管、培养皿、细胞培养等物理操作的科学实验，与计算机上的“干实验”相对。AI 代理在 BioBasicsBench 中的表现将直接反映其理解实验步骤、解读实验结果以及根据数据调整实验策略的能力。这不仅是测试模型的智商，更是测试其“情商”和“执行力”——即 Agent 是否具备自主规划任务、使用工具以及解决突发问题的能力。
这一基准测试的推出具有深远的行业意义。长期以来，AI 在科学领域的应用主要集中在数据分析、文献综述和蛋白质结构预测（如 AlphaFold）等方面。然而，将这些能力整合为一个能够自主完成实验闭环的代理，是通往“全自动实验室”的关键一步。BioBasicsBench 的出现为科研人员提供了一个标准化的评估工具，帮助开发者了解 AI 在何种程度上可以辅助甚至替代人类进行繁琐的实验操作。
在实际应用场景中，BioBasicsBench 所测试的能力将极大地加速药物研发和基础生物研究的过程。例如，在筛选潜在药物分子的过程中，AI 代理可以快速分析高通量筛选产生的海量数据，并自动生成新的实验方案。这不仅能大幅降低科研成本，还能减少人为错误，提高实验效率。随着该基准测试的发布，预计未来会有更多针对特定科学领域的 AI 代理涌现，推动科研工作向智能化、自动化转型。
OpenAI 表示，BioBasicsBench 是衡量 AI 在复杂推理和工具使用方面进步的重要里程碑。通过这一测试，研究团队希望能够推动下一代 AI 系统的发展，使其真正成为科学家的得力助手，而不仅仅是一个问答机器人。
信息来源：OpenAI News，原文链接：https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science
