证据记录
o3 (Apr ’25)
Virology Capabilities Test (VCT) · 证据记录
原始来源图表与材料
原文报告结果
原文顺序 · 原文配置
筛选系统
多选格式准确率
0–100%o3 (Apr ’25) · 43.8% · 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。 · 三次评测运行;原文报告所有模型的均值标准误低于 1%。
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
| 系统 / 配置 | 多选格式准确率 | 发表 / 核验日期 |
|---|---|---|
| 43.8% | 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
化生放核 / 危险知识 →
来源测试领域知识和排障代理指标,而非端到端任务执行。
参考文献
数值结果由所引研究的作者报告。
- [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