精选世界杯赔率内容，足球世界杯与你一同发现更多精彩。

与以往主要关注模型是否记住了知识或能否遵循固定流程完成任务的基准测试不同，GeneBench-Pro 的设计更侧重于在实际科研场景中的应用价值。它旨在让模型在面对“模糊、不完整，甚至混杂了干扰信息的数据环境”时，能够进行有效的判断和分析，并最终得出结论。

GeneBench-Pro 的测试任务涵盖了基因组学、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。每道题目都为模型提供了一份贴近真实科研情境的数据集，以及一段简短的实验背景描述和一个与后续决策相关的目标问题。模型需要自主完成数据探索，选择合适的分析方法，并在分析过程中不断调整策略，最终给出答案。

为规避传统长流程基准测试中常见的评分偏差，OpenAI 在构建 GeneBench-Pro 时采用了合成数据作为核心。这是因为使用历史真实数据出题时，可能存在多条有效的分析路径，这使得模型即使采用了错误的方法，也可能偶然获得正确答案。

通过使用合成数据，OpenAI 能够完全掌控底层因果关系和数据生成过程，从而更精确地评估模型是否真正理解了问题，而不是仅仅走了“捷径”。

目前，OpenAI 已在 Hugging Face 上公开了 10 道具有代表性的 GeneBench-Pro 示例题目，并提供了交互式界面供外部研究人员进行体验。后续，官方将开放其中的 50 道题目给 Artificial Analysis 进行第三方独立评估，以检验不同模型在这一基准测试中的实际表现。