OpenAI发布湿实验智能体基准

BioBasicsBench以100项任务评估AI智能体解读原始实验数据和处理湿实验工作的能力。

推荐理由：BioBasicsBench用100项任务直接考察智能体解读原始实验数据和处理日常湿实验的能力，把评测从知识问答推进到可验证的实验工作流执行。