BenchBench-Cloning：评估分子克隆设计与实验方案制定能力

研究人员推出分子克隆评测基准 BenchBench-Cloning，通过 65 个任务评估大语言模型的端到端实验规划能力。该基准包含 50 个在克隆模拟器中评测的方案开发任务，以及 15 个构建体设计任务。在 8 个受测系统中，GPT-6 Astra 取得最高的 30.6% 得分，其余系统为 8.6% 至 22.2%，在 10 次采样最佳下基准仍未饱和。