深度分析
「ABC‑Bench」：量化 AI 代理人生物安全能力的基準與實驗結果
隨著大型語言模型在生物研究上的能力快速提升，研究團隊推出 ABC‑Bench 基準測試 AI 代理人在 DNA 片段設計、篩檢規避與液體處理機器人程式撰寫等三項生物安全任務的表現。測試顯示模型在已知流程上超過專家基準，但在新穎生物資訊推理仍有不足，且實驗驗證證明 GPT‑o4‑mini‑high 能在 OpenTrons 上成功組裝 DNA，凸顯 AI 代理人加速科研與治理挑戰並存。
深度分析
隨著大型語言模型在生物研究上的能力快速提升，研究團隊推出 ABC‑Bench 基準測試 AI 代理人在 DNA 片段設計、篩檢規避與液體處理機器人程式撰寫等三項生物安全任務的表現。測試顯示模型在已知流程上超過專家基準，但在新穎生物資訊推理仍有不足，且實驗驗證證明 GPT‑o4‑mini‑high 能在 OpenTrons 上成功組裝 DNA，凸顯 AI 代理人加速科研與治理挑戰並存。
深度分析
本研究評估主流大型語言模型在科學推理上的濫用風險，採73道初學者向STEM提問與邊緣案例測試。比較ChatGPT5.2、Gemini3Pro、ClaudeOpus4.5與MetaMuseSpark。結果顯示Gemini科學能力突出卻在語境判斷與審查上有缺口，導致可被武器化的回應。政策與平台必須加速調整。