近年来，大模型在生命科学领域的落地进程持续加快，从蛋白质结构预测、药物靶点筛选到临床辅助决策，AI已成为推动生物科研效率提升的核心工具，但行业长期缺乏面向生物垂直场景、聚焦复杂问题解决能力的标准化评测基准，难以对不同大模型的垂直领域性能进行公平、统一的验证。2026年4月29日，AI大模型厂商Anthropic正式在Hugging Face平台发布BioMysteryBench-preview数据集，作为其全新生物领域基准测试的公开样本，面向全行业开放试用。
据公开信息显示，本次发布的预览版数据集共包含5个生物领域测试问题，整体分为两大模块：一是问题描述文件，支持csv、parquet两种格式，每行对应一个独立测试任务，涵盖问题唯一标识符（id）、任务提示（question）、包含预期答案的评分标准（answer_rubric）、评测过程中允许模型访问的网络域范围（allowed_domains）、以及该问题是否可被人类科研人员解决的标记（human_solvable）五大核心字段，其中允许访问网络域设置、人类可解性标记两大设计，可最大程度模拟真实生物科研场景下的资源权限与能力对齐要求，提升评测结果的参考价值；二是对应每个问题的原始数据文件，支持整体压缩包（data.zip）或单问题压缩包（data/
作为聚焦生物领域的专项评测数据集，BioMysteryBench-preview可广泛应用于多个行业场景：对大模型研发厂商而言，可将其作为生物垂直大模型迭代过程中的核心性能测试工具，精准定位模型在数据解读、逻辑推理、问题推导等维度的短板，加快模型性能优化效率；对生命科学科研机构、药企而言，可通过该基准对不同AI辅助科研工具的能力进行横向对比，筛选匹配自身需求的产品，降低工具选型成本；对AI监管与评测机构而言，该数据集也可作为生物领域AI服务上线前的性能验证参考，助力提升垂直领域AI应用的可靠性。目前Anthropic仅开放了该基准测试的预览样本，完整版本的BioMysteryBench基准测试需向官方申请访问权限。从行业发展维度来看，垂直领域的高质量评测数据集是AI产业发展的核心公共数据资源，本次Anthropic发布的专项基准数据集，填补了生物领域复杂问题解决能力评测的标准空白，后续若在行业内普及应用，有望成为全球生物大模型评测的通用标尺，进一步推动生命科学AI的规范化落地，为数字技术赋能生物医疗产业发展提供基础支撑。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)