新基准显示前沿智能体难以精确重建测序协议工作流。
资讯摘要
论文提出 LibStructBench，一个基于文档的基准，用于评估智能体能否按测序协议重建测序文库结构与分子工作流。作者报告，前沿智能体常能给出大致正确的重建，但在精确重建上仍不可靠，问题集中在分子状态表示与工作流连接性。实验还显示，更换底层语言模型带来的平均性能差异大于更换智能体框架，且仅分子状态重建存在统计显著差异。
要点速读
- 论文提出 LibStructBench，用于重建测序文库结构与分子工作流。
- 前沿智能体常能大致正确重建，但精确重建不可靠，尤其在分子状态表示与工作流连接性上。
- 更换底层语言模型带来的平均性能差异大于更换智能体框架，仅分子状态重建有统计显著差异。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。