IXThinker·2026-01-18 11:00

實驗室安全基準出爐：大模型表現未如理想

大型語言模型正快速進入科學實驗室，用於實驗設計、操作指導與安全諮詢，但其在高風險環境中的可靠性一直缺乏系統驗證。研究人員為此構建LabSafety Bench，全面評測模型在實驗室安全任務上的真實水平。

基準怎樣構建

LabSafety Bench覆蓋危害識別、風險評估與後果推斷等關鍵能力，包含765道多項選擇題與404個貼近真實實驗室的情境題，合計3000餘項評測任務，為大模型在實驗室場景的表現提供系統化的檢驗框架。