# 研究检验AI如何权衡科学证据

> 研究人员推出包含9.6万项生物学案例的基准测试，并报告称，校准训练提升了模型的预测表现和实验选择能力。

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

研究人员推出了EDB-Bio。这套基准测试根据三个生物学领域已发表的研究构建，用于检验语言模型能否判断支持科学假设的证据。在研究人员的测试中，未经训练的模型普遍缺乏信心，表现与简单的基准概率预测相当；通过训练让模型给出校准更准确的概率后，其表现有所提升。

研究人员表示，在一项逐步选择实验的任务中，他们的Ibis0模型选择实验的效率是表现最佳的前沿模型的2.5倍。他们已发布代码、数据和训练后的模型。

## 事实

- EDB-Bio包含9.6万个案例，涵盖转录组学、CRISPR筛选和人类全基因组关联研究。
- 论文于2026-10-29发布在arXiv上；页面列出的发表日期为November 2, 2026。

## 为什么重要

对于借助AI选择实验的科学家来说，研究结果表明，概率校准训练或许能改善实验选择；不过，报告中的优势仅适用于该研究的任务，且尚未在此得到独立验证。

## 来源与参考

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

最后更新: 2026-11-02