오픈AI, AI 에이전트의 실험 원자료 해석 능력 벤치마크 공개

요약

오픈AI는 AI 에이전트가 실제 습식 실험의 원자료를 읽고 오류를 찾아내는 능력을 평가하는 100개 과제 벤치마크인 BioBasicsBench를 공개했습니다. 이 벤치마크는 실험 사진이나 기기 출력값 등을 분석하여, 근거가 부족하거나 오류가 있는 결론을 가려내는 데 초점을 맞추고 있습니다. 오픈AI가 공식 발표한 바에 따르면, 최고 추론 설정인 xhigh로 평가한 GPT-6 Astra의 평균 점수는 66.7%를 기록했습니다. 반면, GPT-5.6 Sol은 43.8%의 평균 점수를 받았으며, 이 수치들은 과제별 세부 채점 기준을 바탕으로 산출된 평균 점수입니다. 이번 벤치마크는 논문에 정리된 그래프보다는, 실험자가 실제로 접하는 겔 이미지, 현미경 영상, 기기 출력 등 원자료를 다루는 분석 능력에 중점을 두었습니다. 오픈AI는 높은 벤치마크 점수가 실험실에서 신뢰할 만한 판단을 보장하지는 않는다고 언급하며, 모델의 신중한 판단 과정을 강조했습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다. 투자 판단의 근거로 삼기 전에 원문을 확인하세요.