Global · IA · Modelos
LifeSciBench evalúa a la IA con 750 tareas de investigación biológica
OpenAI presenta una evaluación elaborada por científicos que exige interpretar evidencias, diseñar experimentos y justificar decisiones.
Fecha de la fuente original:
Lo esencial
- OpenAI presenta una evaluación elaborada por científicos que exige interpretar evidencias, diseñar experimentos y justificar decisiones.
Problemas de laboratorio en una evaluación
OpenAI presentó LifeSciBench, un conjunto de 750 tareas repartidas entre siete flujos de trabajo y siete áreas biológicas. Participaron 173 científicos en su elaboración y 453 revisores ajenos a la redacción. Las respuestas se califican mediante criterios específicos que valoran cálculos, evidencias y justificación de decisiones. Más de la mitad de las tareas exige interpretar documentos, figuras o archivos adjuntos.
Resultados y siguiente paso
En los resultados comunicados por OpenAI, GPT-Rosalind supera el umbral de éxito en el 36,1 % de las tareas, frente al 25,7 % de GPT-5.5. Ese umbral requiere cumplir el 70 % de los criterios de cada tarea. El desempeño de Rosalind baja al 28,1 % cuando intervienen archivos o enlaces, frente al 45,1 % en problemas solo textuales. Los autores proponen contrastar estas mediciones con estudios prolongados en equipos de investigación reales, donde las hipótesis y los experimentos cambian con nueva evidencia.