BioPhys-Bridge：物理基础生物学跨学科科学推理基准
事件
一个名为 BioPhys-Bridge 的跨学科科学推理基准被提出，专门用于评估语言模型分析生物物理文献的能力。该基准的初始版本包含 500 个案例和 1517 项面向智能体的任务，覆盖六个生物学领域和九个物理模型家族，其中三个稀疏模型家族预留用于后续扩展。每个案例都配有证据块、稳定的证据编号、定量数值、单位、方程、假设、机制以及下一步决策，作为问答和检索增强生成的溯源目标。
在质量把控上，所有案例都需通过模式、证据完整性、定量溯源、来源许可、重复性、单位归一化等严格关卡，其中 81 个案例还经过领域专家审核与标注。初步评测显示，DeepSeek-V4-Flash 取得最高的证据编号 F1 分数 0.360，Qwen3.7-Max 为 0.316，GPT-4o-mini 为 0.294，整体分数偏低，说明模型在忠实溯源方面仍有较大提升空间。
该基准的意义在于，它把归因、忠实性、幻觉抑制和生物实验设计放在同一个复杂多步推理框架下考察，为跨学科科学推理提供了可量化的评测工具。对从事科学 AI、检索增强生成和生物物理研究的团队来说，BioPhys-Bridge 可作为检验模型是否真正理解证据与机制之间联系的新标尺。
来源
本条目由采集管线自动抓取并发布，完整内容见下方来源链接。
*采集源：arXiv cs.AI*