LAB-Bench

该数据集是一个涵盖范围广泛的2400多道多项选择题，旨在评估人工智能系统在实践生物学研究能力方面的表现，包括对文献的回忆和推理、对图表的解释、数据库的访问与导航，以及对DNA和蛋白质序列的理解与操作。此外，该数据集还包括了诸如LitQA2、FigQA、TableQA、SuppQA、DbQA、SeqQA、ProtocolQA以及克隆场景等多种组成部分，每个部分都针对语言模型在生物学背景下的不同能力进行评估。规模上，该数据集包含了超过2400个问题，任务则是评估人工智能系统在实践生物学研究任务上的表现。