# Studie prüft, wie KI wissenschaftliche Belege bewertet

> Forschende stellen einen Biologie-Benchmark mit 96.000 Fällen vor. Kalibrierungstraining verbesserte laut ihren Ergebnissen die Prognosen der Modelle und ihre Auswahl von Experimenten.

Oossa · 2026-11-02 · https://oossa.com/de/study-tests-how-ai-weighs-scientific-evidence

Forschende haben EDB-Bio vorgestellt, einen Benchmark auf Grundlage veröffentlichter Studien aus drei biologischen Fachgebieten. Damit soll geprüft werden, ob Sprachmodelle Belege für wissenschaftliche Hypothesen beurteilen können. In den Tests der Forschenden waren nicht trainierte Modelle systematisch zu zurückhaltend und schnitten etwa so gut ab wie eine einfache Prognose auf Basis der Grundhäufigkeit. Ein Training, das die Kalibrierung ihrer Wahrscheinlichkeitsangaben verbessern sollte, steigerte die Ergebnisse.

Nach Angaben der Forschenden wählte ihr Modell Ibis0 in einer Aufgabe zur schrittweisen Auswahl von Experimenten 2,5-mal effizienter Experimente aus als das beste Frontier-Modell. Sie veröffentlichten den Code, die Daten und die trainierten Modelle.

## Die Fakten

- EDB-Bio umfasst 96.000 Episoden aus den Bereichen Transkriptomik, CRISPR-Screens und genomweiten Assoziationsstudien am Menschen.
- Das Paper wurde am 2026-10-29 auf arXiv veröffentlicht; als Veröffentlichungsdatum ist in der Auflistung der 2. November 2026 angegeben.

## Warum es wichtig ist

Für Forschende, die KI zur Auswahl von Experimenten einsetzen, legen die Ergebnisse nahe, dass ein Training zur Kalibrierung von Wahrscheinlichkeitsangaben die Auswahl verbessern könnte. Der berichtete Vorteil gilt jedoch nur für die in der Studie untersuchte Aufgabe und wurde hier nicht unabhängig überprüft.

## Quellen und Referenzen

1. [Do Language Models Know What Compelling Scientific Evidence Looks Like?](https://arxiv.org/abs/2610.41015) – arXiv cs.LG, 2026-11-02

Zuletzt aktualisiert: 2026-11-02