# Onderzoek test hoe AI wetenschappelijk bewijs weegt

> Onderzoekers presenteren een benchmark met 96.000 biologiegevallen en melden dat kalibratietraining de voorspellingen en experimentkeuze van modellen verbeterde.

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

Onderzoekers introduceerden EDB-Bio, een benchmark op basis van gepubliceerde studies uit drie biologische vakgebieden. Daarmee testten ze of taalmodellen bewijs voor wetenschappelijke hypothesen kunnen beoordelen. In de tests waren modellen zonder training stelselmatig te weinig zeker van hun zaak en presteerden ze ongeveer even goed als een eenvoudige voorspelling op basis van de basisfrequentie. Training om beter gekalibreerde waarschijnlijkheden te geven, verbeterde hun resultaten.

Volgens de onderzoekers selecteerde hun model Ibis0 experimenten in een taak waarbij experimenten stapsgewijs werden gekozen 2,5 keer efficiënter dan het beste frontiermodel. Ze hebben de code, gegevens en getrainde modellen vrijgegeven.

## De feiten

- EDB-Bio bevat 96.000 episodes uit transcriptomics, CRISPR-screenings en genoombrede associatiestudies bij mensen.
- Het artikel verscheen op arXiv op 2026-10-29; in de vermelding staat 2 november 2026 als publicatiedatum.

## Waarom het ertoe doet

Voor wetenschappers die AI willen inzetten bij de keuze van experimenten, wijzen de resultaten erop dat training in het kalibreren van waarschijnlijkheden die keuze kan verbeteren. Het gemelde voordeel geldt echter alleen voor de taak in het onderzoek en is hier niet onafhankelijk gevalideerd.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-11-02