事件追踪已归档
Artificial Analysis 发布 VIALS-AA 生命科学视觉推理榜单
首次报道 最新进展 2 篇报道，2 个来源
事件综述根据 2 篇报道整理，11月7日更新
Artificial Analysis 发布 VIALS-AA 榜单，评测 Handshake AI 的 VIALS 生命科学视觉推理基准。该基准含 161 项任务、覆盖八个领域，要求模型解读凝胶印迹、流式细胞图、质粒图谱和系统发育树等图像并得出科学结论。 评测在 Artificial Analysis 的开源 agent 框架 Stirrup 中进行，每项任务运行三次，并提供代码执行和图像检查工具；由 GPT-6 Luna (medium) 对照参考答案评分，榜单报告三次均被判正确的任务占比（pass^3）。 此前，Artificial Analysis 已对 VIALS-AA 原始测试集中 19 个模型的 9,177 次 rollout 的工具调用做了分类，发现模型解题有快速查看或显式测量两条路径。
综述由模型根据报道生成，细节以各篇原文为准。