BIABench：评估 AI 智能体在真实生物图像分析任务上的表现

BIABench 是一个用于评估 AI 智能体能否端到端完成真实生物图像分析任务的基准，包含从已发表生物学研究中重建的 16 项任务。这些任务涉及 2D 图像、3D 体积和延时序列，因数据量过大无法直接作为上下文读取，智能体需通过代码、专用软件和渲染视图选择并执行分析。每项任务均将原始图像与经过同行评审的结果配对，使该能力可被测试。