Ny testmiljö sätter AI-agenter på prov inom läkemedelsforskning

arXiv cs.AI

Forskare har byggt DrugTargetWorld – en slags simulerad databas med 54 000 fiktiva patienter där AI-agenter får testa sig på att hitta rätt måltavlor för läkemedel, ett steg som normalt kräver år av biologisk forskning. De bästa agenterna, Opus 5 och GPT-5.6 Sol, hittade 64% av de kausala (orsakssammanhängande) proteiner men fick poäng på bara 40 respektive 35 av 100 – vilket antyder att AI fortfarande kämpar med att skilja verkliga orsaker från korrelationer. Det smarta med upplägget är att facit finns inbyggt i simuleringen, vilket gör det möjligt att träna och mäta AI-agenter i stor skala utan tillgång till känslig patientdata.