模型10:55
TxBench-PP基准测试：AI Agent在临床前药理学任务中表现不佳想看看AI在药物发现中到底行不行？这个基准测试用4800条轨迹告诉你，Claude Opus 4.8和GPT-5.5都还差得远，最高才59.3%的通过率。
#TxBench-PP
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「TxBench-PP」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月18日
想看看AI在药物发现中到底行不行？这个基准测试用4800条轨迹告诉你，Claude Opus 4.8和GPT-5.5都还差得远，最高才59.3%的通过率。