OpenAI ने AI एजेंट्स की लैब साइंस समझ परखने के लिए नया टेस्ट बनाया
OpenAI के मुताबिक उसने BioBasicsBench नाम का नया टेस्ट पेश किया है। यह जाँचता है कि AI एजेंट्स लैब के रोज़ के प्रयोगों का डेटा कितना सही समझते हैं।
OpenAI ने BioBasicsBench नाम का एक नया बेंचमार्क पेश किया है। बेंचमार्क यानी ऐसा टेस्ट, जिससे अलग-अलग AI सिस्टम की क्षमता को एक ही पैमाने पर नापा जा सके।
OpenAI के मुताबिक इस टेस्ट में 100 काम (टास्क) हैं। इनमें देखा जाता है कि AI एजेंट, यानी ऐसा AI जो खुद कई क़दम उठाकर काम पूरा करता है, प्रयोग से निकले कच्चे डेटा को कैसे पढ़ता और समझता है।
टेस्ट का फ़ोकस वेट-लैब साइंस पर है। वेट-लैब यानी वह प्रयोगशाला जहाँ रसायन और जैविक नमूनों के साथ असली प्रयोग होते हैं। यहाँ रोज़ के आम लैब काम को परखा जा रहा है।
टेस्ट के नतीजे, किन AI मॉडलों पर इसे आज़माया गया और बाकी ब्योरा मूल रिपोर्ट में है।
आपके लिए इसका मतलब
AI अब सिर्फ़ चैट तक सीमित नहीं है, उसे लैब जैसे काम में भी आज़माया जा रहा है। ऐसे टेस्ट से पता चलता है कि AI कहाँ भरोसे लायक है और कहाँ नहीं। यह अभी शोध की बात है, आम पाठक के रोज़ के इस्तेमाल पर इसका सीधा असर रिपोर्ट में नहीं बताया गया।
ये शब्द समझ लें
- बेंचमार्क
- ऐसा टेस्ट जिससे अलग-अलग AI की क्षमता एक ही पैमाने पर नापी जाती है
- AI एजेंट
- ऐसा AI जो खुद कई क़दम उठाकर कोई काम पूरा करता है
- वेट-लैब
- वह प्रयोगशाला जहाँ रसायन और जैविक नमूनों के साथ असली प्रयोग होते हैं
यह खबर PT24 ने AI की सहायता से, स्रोत की रिपोर्ट के आधार पर अपने शब्दों में समझाई है। स्रोत के अपने शब्द नीचे बिना बदलाव के हैं।
मूल शीर्षक: Measuring how AI agents handle everyday wet-lab science
OpenAI publishes this report on its own site.
Read more at OpenAI