白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

证据记录

o3 (Apr ’25)

Virology Capabilities Test (VCT) · 证据记录

来源与出处 ↓ 阅读研究记录 →

原始来源图表与材料

原文报告结果

原文顺序 · 原文配置

多选格式准确率

0–100%
o3 (Apr ’25)
43.8%
显示 1 / 1 个系统

数值描述原文协议下的测量结果,不是综合安全评分。

多选格式的平均准确率;部分模型只有一次运行,原文星号保留在系统名。知识测验成绩不代表端到端生物危险任务能力。 未单独注明评测日期;下表保留发表或记录日期。

评测条件与系统配置
o3 (Apr ’25)
三次评测运行;原文报告所有模型的均值标准误低于 1%。 · Table 1 · Virology Capabilities Test (VCT)
modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明
原文报告结果 · 原文顺序
系统 / 配置多选格式准确率发表 / 核验日期
o3 (Apr ’25)未注明 Harness43.8%来源核验2026-10-25

方法与范围

有版本的多模态题目测试表现。

证据类型
可复用基准
评测对象
回答专门病毒学排障问题的模型
主观测维度
Capability · 任务能力
证据快照
2026-10-29.1

主维度是问答能力;版本与答案效度是重要限制。

来源结论

原文 Table 1 报告的 o3 (Apr ’25) 测量结果;数值为转录,未独立复现实验。

适用限制

知识问答准确率不证明实际有害任务执行能力;v1 与 v2 分数不可直接互换。

保留原文的配置、任务和聚合方式差异,并按原文顺序展示。转录不等于独立复现,不支持跨协议排名。

相关研究问题

参考文献

数值结果由所引研究的作者报告。

  1. [1] Jasper Götting a, Pedro Medeiros a 等. Virology Capabilities Test (VCT): A Multimodal Virology Q&A Benchmark. 2025-04-29. v2 [arXiv]; Author affiliations on the original paper title page; Table 1