# Исследование проверило, как ИИ оценивает научные данные

> Исследователи представили биологический бенчмарк на 96 000 случаев и сообщили, что обучение калибровке улучшило прогнозы моделей и выбор экспериментов.

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

Исследователи представили EDB-Bio — бенчмарк на основе опубликованных исследований в трёх областях биологии. Он позволяет проверить, умеют ли языковые модели оценивать данные в поддержку научных гипотез. В тестах исследователей необученные модели систематически занижали уверенность в своих прогнозах и показывали результаты примерно на уровне простого прогноза, основанного на базовой частоте. Обучение более точной калибровке вероятностей улучшило их результаты.

По словам исследователей, модель Ibis0 выбирала эксперименты в 2,5 раза эффективнее, чем лучшая передовая модель, в задаче последовательного выбора экспериментов. Исследователи опубликовали код, данные и обученные модели.

## Факты

- EDB-Bio включает 96 000 эпизодов из исследований транскриптомики, CRISPR-скрининга и полногеномных исследований ассоциаций у людей.
- Статья появилась на arXiv 2026-10-29; в карточке указана дата публикации — November 2, 2026.

## Почему это важно

Для учёных, которые используют ИИ при выборе экспериментов, результаты показывают, что обучение калибровке вероятностей может помочь улучшить этот выбор. Однако заявленное преимущество относится только к задаче, рассмотренной в исследовании, и здесь не прошло независимой проверки.

## Источники и ссылки

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

Обновлено: 2026-11-02