双重用途生物学基准解读：用 IRT 与分类法透视前沿 AI 的生物能力与饱和趋势（2026年 57页）

分类：研究报告

标签：前沿AI、生物安全、基准测试

摘要：兰德公司（RAND）于 2026 年发布的这份研究，旨在回应一个核心问题：现有双重用途（dual-use）生物学基准数据，究竟能揭示前沿人工智能（AI）在生物知识与问题解决上“现在能做到而过去做不到”什么。报告并未推出新基准，而是对既有纵向基准数据做一次“元评估”，提出一套解读框架，以更清晰地理解基准分数背后的能力、覆盖与质量含义。 报告将 26 个基准、共 8,146 道题目（item）汇聚为单一语料库，涵盖公开与 SecureBio 私有基准（包括病毒学能力测试 VCT、人类病原体能力测试 HPCT、分子生物学能力测试 MBCT），并对 49 个前沿 AI 模型（剔除覆盖率低于 75% 的 4 个后余 45 个）的答题数据，连同专家基线一并分析。方法论上采用项目反应理论（IRT，二参数 logistic 模型），以统一 logit 尺度估计解题者能力 θ、题目难度 β 与区分度 α，使不同模型、题目与专家可在同一标尺上直接比较。 主要发现如下。其一，基准并非全面饱和：大量题目对前沿模型已较容易，饱和集中在低难度区间，但仍有少量高难度、高区分度的题目超出当前模型能力，并能持续区分

来源：zuudee | 日期：2026-08-11 | 格式：pdf | 页数：57