# Studie testar hur AI väger vetenskapliga belägg

> Forskare presenterar ett biologiskt test med 96 000 fall och rapporterar att träning i sannolikhetskalibrering förbättrade modellernas prognoser och val av experiment.

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

Forskare har tagit fram EDB-Bio, ett test baserat på publicerade studier inom tre biologiska områden, för att undersöka om språkmodeller kan bedöma belägg för vetenskapliga hypoteser. I forskarnas tester var modellerna utan särskild träning systematiskt alltför osäkra och presterade ungefär lika bra som en enkel prognos baserad på grundfrekvenser. När modellerna tränades i att ge bättre kalibrerade sannolikheter förbättrades resultaten.

Forskarna uppger att deras modell Ibis0 valde experiment 2,5 gånger effektivare än den bästa frontmodellen i en uppgift där experiment skulle väljas stegvis. De har släppt koden, dataunderlaget och de tränade modellerna.

## Fakta

- EDB-Bio omfattar 96 000 episoder från transkriptomik, CRISPR-screeningar och genomvida associationsstudier på människor.
- Artikeln publicerades på arXiv den 2026-10-29; i listningen anges publiceringsdatumet som November 2, 2026.

## Varför det spelar roll

För forskare som använder AI som hjälp vid val av experiment tyder resultaten på att träning i sannolikhetskalibrering kan förbättra experimenturvalet. Den rapporterade fördelen gäller dock bara den uppgift som studerades och har inte validerats oberoende här.

## Källor och referenser

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

Senast uppdaterad: 2026-11-02