DRYLAB-Bench: Benchmarking the Biosecurity Risk of Agentic LLM Mutation Design

arXiv cs.AI · 12 oct, 06:00

Investigadores presentan DRYLAB-Bench, el primer benchmark para evaluar el riesgo de bioseguridad de agentes LLM capaces de diseñar mutaciones biológicas peligrosas. El estudio de 15 modelos frontera muestra que sin herramientas el 67,6% de los diseños superan variantes medias, y que equipar los LLM con herramientas especializadas amplifica significativamente estos riesgos, planteando preocupaciones sobre dual-use en biología sintética.