پژوهشگران EDB-Bio را معرفی کرده‌اند؛ معیارسنجی‌ای مبتنی بر پژوهش‌های منتشرشده در سه حوزه زیست‌شناسی که می‌آزماید آیا مدل‌های زبانی می‌توانند شواهد مربوط به فرضیه‌های علمی را ارزیابی کنند یا نه. در آزمون‌های پژوهشگران، مدل‌های آموزش‌ندیده به‌طور نظام‌مند بیش از حد محتاط بودند و تقریباً به‌اندازه یک پیش‌بینی ساده بر پایه نرخ پایه امتیاز گرفتند؛ آموزش آن‌ها برای ارائه احتمال‌های کالیبره‌تر، نتایجشان را بهبود داد.
پژوهشگران می‌گویند مدل Ibis0 آن‌ها در یک تکلیف انتخاب پیاپی آزمایش، آزمایش‌ها را ۲٫۵ برابر کارآمدتر از بهترین مدل پیشرو انتخاب کرد. آن‌ها کد، داده‌ها و مدل‌های آموزش‌دیده را منتشر کردند.
چرا مهم است
برای دانشمندانی که از هوش مصنوعی برای کمک به انتخاب آزمایش‌ها استفاده می‌کنند، نتایج نشان می‌دهد آموزش کالیبراسیون احتمال‌ها می‌تواند انتخاب آزمایش را بهبود دهد؛ بااین‌حال، برتری گزارش‌شده فقط به تکلیف این مطالعه محدود است و در اینجا به‌طور مستقل تأیید نشده است.
