في عصر تتزايد فيه التهديدات الصحية العالمية، كان من الضروري تطوير أدوات تعزز قدرات الذكاء الاصطناعي في مراقبة الجينات. ومن هنا، نُقدّم لكم معيار BioSecBench-Surveillance، الذي يطرح تحدي تقييم دقة وكفاءة الوكلاء الذكيين في استخدام البيانات الجينية. يتضمن هذا المعيار الجديد 100 تقييم، حيث يُختبر الوكلاء الذكيون لمعرفة ما إذا كانوا قادرين على استنتاج خط التحليل الصحيح من بيانات التسلسل الجيني الخام وسياق المراقبة.

تركز كل عملية تقييم على منح الوكيل الذكي فقط المعلومات التي يمكن أن يحصل عليها المحلل البشري. وقد أظهرت النتائج أن أعلى أداء جاء من نموذج Opus 4.8 الذي قدم نسبة نجاح بلغت 50.2%، يليه نموذج GPT-5.5 بنفس النسبة، مما يبرز التنافس القوي بين تقنيات الذكاء الاصطناعي الحديثة.

على الرغم من أن بعض الوكلاء تمكنوا من استدعاء إجراءات العمل الصحيحة، إلا أن الأخطاء التي ارتكبوها كانت ناتجة عن قرارات حول الخيارات المحيطة، مثل تحديد المراجع والعتبات والفلاتر التي يجب تطبيقها. يُعد معيار BioSecBench-Surveillance معيارًا جديدًا لقياس موثوقية الوكلاء عند مواجهة الأوبئة المستقبلية، مما يعني أننا نقترب أكثر من قدرة الذكاء الاصطناعي على التصدي للتحديات الصحية الكبرى.