OpenAI test paljastas, kui kehv on AI tegelikus teadustöös
OpenAI uus hindamisraamistik LifeSciBench näitab, et tehisintellekti võimekus tegelikes bioteaduslikes uurimisülesannetes on endiselt tagasihoidlik. Erinevalt lihtsatest valikvastustega testidest hindab LifeSciBench mudeleid ülesannetes, mida teadlased igapäevaselt teevad: tõendite analüüs, katsetulemuste tõlgendamine, uuringute kavandamine ja järelduste edastamine. OpenAI uusim mudel GPT-Rosalind saavutas testil parima tulemuse, kuid läbis vaid 36,1% ülesannetest. See on edasiminek võrreldes GPT-5.5 tulemusega 25,7%, … Loe edasi