夜雨聆风
这周OpenAI发了一个新基准，名字叫LifeSciBench。750道题，由173位有博士学位或同等学历的生命科学家出题和评审，覆盖7个生物医学领域。每道题有约25条细化评分标准，总共19020条评估点。
但最让我觉得有意思的，不是规模，而是题目类型。
79%的题目需要多步推理——这意味着你没法靠背题库过关。53%的题目要求解读图表、PDF、显微镜图像等附件数据——这意味着纯文本模型直接出局，必须有多模态能力。题目的核心不是"诊断这是什么病"，而是"基于这段实验数据，你觉得下一步应该怎么设计实验"。
在LifeSciBench之前，AI在生物医学领域最常用的两个基准是MedQA和USMLE。这两个都是选择题——给一段病历描述，四个选项，选对的。
选择题好做。LLM天生擅长模式匹配。去年就有论文指出，GPT-4在USMLE上拿高分，很大程度上是因为训练数据里包含了大量医学考试题目和解析。
LifeSciBench走了完全相反的路。题目是真实的研究场景——比如"给一篇论文的实验数据，让你判断结论是否站得住脚"或"设计一个验证假设的实验方案"。评分是用细则一条条对，而不是对/错二元判断。每道题要同时评两个维度：科学正确性（结论对不对）和实用价值（给出的建议有没有实际可操作性）。
OpenAI官方用o3在LifeSciBench上做了初步评测。目前结果还没公开（也可能永远不会完全公开基准数据，只发布方法论）。但从我拿到的信息来看，这个基准的设计本身就是一篇文章——它重新定义了"AI在生物医学领域有没有用"这个问题。
不是"AI能不能通过医学考试"——这个答案早就是"能"了。真正的问题是"AI能不能像一个有经验的研究者一样，面对不完整的实验数据，提出合理的下一步"。
LifeSciBench覆盖的七个领域：
- 分子与细胞生物学
：基因编辑策略、蛋白互作分析 - 遗传学与基因组学
：GWAS数据解读、变异致病性评估 - 药物发现与开发
：靶点验证、先导化合物优化 - 生物信息学与计算生物学
：序列比对、通路富集分析 - 神经科学
：脑成像数据分析、行为实验设计 - 免疫学
：免疫组化解读、疫苗设计 - 临床研究
：临床试验方案评估、真实世界证据分析
这个覆盖面的野心一目了然：不是测AI懂不懂医学，是测AI能不能真正参与药物研发的全流程——从分子层面到临床试验。
另一个值得注意的细节是出题方式。不是找几个博士生出几道题——OpenAI和173位有博士学位的生命科学家合作，每人负责自己最擅长的学科子领域。题目出来后经过互审，去掉有争议的，保留能形成明确评分标准的。
这个流程意味着几件事。第一，题目质量比现有基准高一个档次——不是在堆量，是在堆专业度。第二，19020条评分细则意味着每个任务有大约25条明确的"好答案应该包含什么"——对AI来说这比"对/错"更难，因为要同时满足多条评判标准。第三，这种"领域专家出题+跨审"的模式，可能会成为未来AI基准评测的新范式——尤其是需要专业领域知识的场景。
LifeSciBench发布的时间点挺微妙。
过去12个月，AI在医药领域的几个标志性时刻：AlphaFold3开放（但走的是商业许可而非开源）、多篇"AI辅助发现新药"的论文（后来被指出部分数据不可复现）、大型语言模型在医学对话中的实用性被重新评估（Mayo Clinic的临床实验显示医生在日常工作中使用率低于预期）。
说的直白一点：AI在医药领域的"公关分"远高于"实际分"。我们看到了很多Demo，但真正在医院里改变诊疗流程的AI应用，一只手数得过来。
LifeSciBench在这种背景下发布，本身就是一个信号。OpenAI没有选择发一篇"我们的模型在某个医药考试上得了最高分"的PR稿，而是发了一个评测方法——告诉行业"目前最能衡量AI医学能力的不是你的模型能考几分，而是它能不能完成一个博士级研究者每天面对的真实任务"。
国内做医疗AI的团队很多——从百度灵医智惠到腾讯觅影，从医渡云到森亿智能。目前的主要方向集中在影像辅助诊断和电子病历结构化，本质上是"模式识别"类任务。
LifeSciBench指向的，是更上一层楼的能力：实验设计、证据评价、多步推理。这些任务目前AI还做不好——但如果有人在LifeSciBench上拿到高分，那就意味着AI在医药领域的角色可以从"辅助诊断工具"升级为"研究伙伴"。
对于有自有数据的国内团队来说，LifeSciBench的评分方法可以直接复用。750个任务题可能不会完全公开（OpenAI在这方面一向保守），但19020条评分细则的制定方法学是公开的。用同样的方法，基于国产医药数据构建一个"中文版LifeSciBench"，技术上完全可行。
不过在此之前，先想想一个基本问题：你手头的医药AI产品，能不能回答"基于这段实验数据，下一步实验应该怎么做"？如果答不了，那它和真正的研究能力之间，还有一段路要走。