斯坦福等十余家机构联合发布湿实验预测基准 SPU，前沿模型表现不佳

Techub News 消息，斯坦福大学、哈佛大学、康奈尔大学等十余家顶尖科研机构与生物技术公司联合推出了名为 Science Prediction Universe（SPU）的湿实验预测基准。该基准包含 116 个任务、4207 个湿实验，覆盖化学、材料科学、生物和医学领域，旨在评估 AI 模型在自主研究后预测真实实验结果的能力。 在首轮评测中，包括 Claude Opus 5.5、GPT-6 Astra 在内的 12 款前沿模型表现均不理想，平均得分最高的模型也仅在一半任务上超过随机水平。研究还发现，提高模型的推理强度或计算时间并未显著改善预测结果。（量子位）