科研智能体评测
关注 agent 在真实任务中的过程可靠性：数据处理、方法选择、统计严谨性和生物学解释。
Biomedical AI · Research Workflow · Notes
智能体学习笔记
记录我对生物医学 AI、科研智能体、实验记录和个人知识系统的阅读、实践与阶段性思考。
关于本站
我希望 AI 能够成为生物学实验人员的 copilot，在这里会持续整理论文阅读、实验室原型工具和知识库实践中的小结。 仅供分享，转载请注明出处。
项目方向
实验室智能工具
探索语音草稿、图像解释、实验上下文和人工确认如何拼成更可靠的科研记录流程。
长期知识库
把项目决策、运行手册、阅读笔记和失败经验沉淀成未来可以复用的外部记忆。
近期学习体会
BiomniBench
文献：BiomniBench: Process-level Evaluation of LLM Agents for Real-world Biomedical Research
作者：Yuanhao Qu, Yingzhou Lu, Xinming Tu, Serena Zhang, Tianwei She, Alexander Glenn Shaw, Jou-Ho Shih, Bingqing Zhao, Minjie Shen, Haochen Yang, Jielin Yan, Rongchuan Zhang, Xinze Wu, Tingting Li, Le Cong, Xiaobo Hu, Yuan Jiang, Jiayun Dong, Tao Peng, Jure Leskovec, Kexin Huang
作者：Yuanhao Qu, Yingzhou Lu, Xinming Tu, Serena Zhang, Tianwei She, Alexander Glenn Shaw, Jou-Ho Shih, Bingqing Zhao, Minjie Shen, Haochen Yang, Jielin Yan, Rongchuan Zhang, Xinze Wu, Tingting Li, Le Cong, Xiaobo Hu, Yuan Jiang, Jiayun Dong, Tao Peng, Jure Leskovec, Kexin Huang
Biomni 对生物医学研究的理解还是非常到位的，他们这个 Bench 设计得有独到之处，提出用“过程性评估”替代结果的评估。 BiomniBench-DA 包含 100 个真实生物医学数据分析任务，用专家设计的方案检查 agent 的完整分析轨迹， 重点评估数据处理、方法选择、统计严谨性、生物学解释、科学推理和来源可靠性。这对 agent 的开发很有启发。 后续如果要做真正可用的生物医学 agent，我觉得 harness 的设计会变得非常重要， 需要把方法选择、质量控制、推理链和生物学解释都做成可检查、可追责的过程。 这个和现在的 coding agent 有相似之处，但是生物医学任务的评估指标设计更困难，这也是一个可以深入研究的方向。
Agentic Lab
文献：Agentic Lab: An Agentic-physical AI system for cell and organoid experimentation and manufacturing
作者：Wenbo Wang, Simran Swain, Jaeyong Lee, Zuwan Lin, Bradley Canales, Almir Aljović, Yaxuan Liu, Qiang Li, Arnau Marin-Llobet, Mai Liu, Zihan Gao, Ren Liu, Juan R. Alvarez-Dominguez, Jia Liu
作者：Wenbo Wang, Simran Swain, Jaeyong Lee, Zuwan Lin, Bradley Canales, Almir Aljović, Yaxuan Liu, Qiang Li, Arnau Marin-Llobet, Mai Liu, Zihan Gao, Ren Liu, Juan R. Alvarez-Dominguez, Jia Liu
这篇论文中，AR 眼镜肯定是最大的亮点，让 agent 可以根据第一视角视频识别试验阶段、提醒潜在污染风险、 纠正操作偏差，并根据当前状态提建议，起到了 copilot 的作用。另外其中对类器官视野观察的任务也很有借鉴价值， SingleObjectVision 是先通过 Cellpose-SAM 分割细胞或类器官，再生成形态学描述， 并结合 CLIP 类多模态 embedding 做可解释聚类。这和传统的 VLM 不同，不仅可以描述结果，还可以做出解释。 当然现在还存在很多局限，但这肯定是未来的发展方向。