BenchBench-Protocol：评估真实湿实验方案推理与修改能力

英文标题：BenchBench-Protocol: Evaluating Real-World Wet-Lab Protocol Reasoning and Modification

BenchBench-Protocol 是一个用于评估大语言模型湿实验方案推理与修改能力的基准测试。该基准包含 149 项方案修改任务，这些任务来源于科学家在实际实验过程中对已发表方案所做的修改。其目标是考察模型将既有实验方案适配到新实验需求时的推理与修改能力。该基准可为开发面向生物医学和实验室自动化场景的 Agent、科研助手及相关 API 提供更贴近真实工作流的评测依据。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB