Anthropic：VirBench基准与gget virus工具将AI生物学智能体准确率提升至99.7%
VirBench是一项包含120个真实查询的新基准，涵盖40种病原体的病毒序列检索，Anthropic将其作为评估生物学AI智能体的标准。在不使用专用工具的情况下，前沿模型准确率仅为16.9%–91.3%；配合gget virus工具后，GPT-5.5达到99.7%。
本文由人工智能基于一手来源生成。
Anthropic研究人员于2026年6月8日发布了论文《为生物学智能体铺路》（Paving the way for agents in biology），首席作者为Laura Luebbert，共同作者包括Ferdous Nasri、Saru Gurev、Patrick Varilly等人。该论文同时作为arXiv预印本发布（arXiv:2606.06749），探讨AI智能体应用于生物学的核心问题：从公共数据库检索数据的可重现性。
VirBench：生物学智能体评估的新标准
VirBench是一组120个真实生物信息学查询，围绕40种病原体构建，每个查询均附有来自NCBI数据库的经过验证的正确病毒序列集合。与合成测试不同，VirBench模拟真实研究场景——从参考毒株的鉴定到流行病学相关病毒基因组的比较。
为什么序列检索错误会造成危害？
错误的输入序列集合会级联破坏所有后续分析。研究人员记录了一个具体案例：针对某种病原体错误检索到的序列，给出的疫情起源日期范围从1922年到2014年4月——而经过验证的正确日期为2014年1月。此外，同一模型对同一查询多次运行返回不同的序列集合，从而消除了研究的可重现性。
无工具vs.有工具：从16.9%到99.7%
在没有专用工具的情况下，前沿模型在NCBI病毒查询上的准确率仅为16.9%–91.3%——远低于可重现生物学所需的~100%。与NCBI研究人员合作开发的新工具gget virus带来了确定性API协调以及按分类、日期和毒株进行的复杂序列筛选。有了该工具，所有测试模型的准确率均提升至90%以上，GPT-5.5达到99.7%。
上下文引擎作为基础设施解决方案
该论文倡导引入上下文引擎——可供智能体访问的确定性API层，将数据检索与模型的创造性推理分离。像NCBI这样的生物数据库包含大量结构化数据集，但如果没有中间层，智能体对其的解读是非确定性的，且无法保证可重现性。作者呼吁将此类层作为可靠生物信息学的公共基础设施来构建。
常见问题
- 什么是VirBench，它有什么用途？
- VirBench是一组120个生物信息学查询，用于衡量AI模型从NCBI数据库中精确检索40种病原体病毒序列的能力，所有查询均附有经过验证的正确答案。
- 根据Anthropic的研究，生物学中的上下文引擎是什么？
- 上下文引擎是一种确定性API层，将数据检索与模型的创造性推理分离，确保AI智能体在生物学研究中的结果具有可重现性。
📬 AI 新闻直达您的邮箱
按您的方式定制每日摘要——自选主题、来源和频率，一键退订。