Introducing LifeSciBench

OpenAI 的 LifeSciBench 不是生物知识问答集，而是把应用生命科学研究拆成 evidence handling、analysis、design and optimization、scientific reasoning、validation and operations、translation、scientific communication 等 workflow。数据集规模是 750 个 expert-authored tasks、1,062 个 artifacts、173 位 scientist contributors、19,020 条 rubric criteria 和 453 位 expert reviewers；79% 任务需要多步推理或决策，53% 要处理 artifact。结果部分显示 GPT-Rosalind overall exact pass rate 从 GPT-5.5 的 25.7% 提到 36.1%，但 artifact-heavy 场景仍从 text-only 的 45.1% 降到 28.1%，说明真实科研可用性主要卡在证据、格式和操作约束。