LLM讓新手在生物安全任務上準確率提升4倍——超越專家

LLM能否讓未經訓練的人完成專家級生物學任務？這項多模型研究測試了LLM輔助新手vs僅使用互聯網的新手在八個生物安全相關任務集上的表現，每個任務最長13小時。

結果令人震驚：LLM輔助的新手準確率是僅用互聯網對照組的4.16倍（95%置信區間[2.63, 6.87]）。在有專家基線的4個基準中，3個LLM新手超越了領域專家。最令人警醒的是：獨立運行的LLM往往超過了LLM輔助的新手，表明用戶並未充分利用模型能力。

89.6%的參與者表示儘管有安全護欄，獲取雙重用途相關信息並無太大困難。這爲LLM實質性降低潛在危險生物任務的專業門檻提供了迄今最強的實證證據——對AI安全政策和生物安全治理至關重要。

LLM 在生物學基準測試上表現越來越好，但一個關鍵問題懸而未決：它們是否真的能幫助**不具備專業知識的人**完成危險的生物任務？這篇論文直接測試了這個問題。

實驗設計

研究團隊設計了一組"雙重用途"（dual-use）生物任務——這些任務既有合法研究價值，也有潛在的濫用風險。關鍵是這些任務在計算機上就能完成（in silico），不需要實驗室。

參與者分爲新手組和專家組，分別在有/無 LLM 輔助下完成任務。

核心發現

**新手 + LLM** 的準確率達到 **專家水平的 4 倍**
更令人擔憂的是，在某些特定任務上，LLM 輔助的新手甚至**超過了沒有 LLM 的專家**
LLM 不僅提供了知識，還提供了結構化的問題分解能力

安全啓示

這不是一個理論風險。結果表明 LLM 確實能顯著降低生物安全領域的"專業門檻"。論文呼籲：

1. 模型提供商需要更嚴格的安全過濾

2. 評估框架需要包含"uplift"指標，而不僅是能力測試

3. 開源 vs 閉源的權衡需要重新審視

這是目前爲止關於 LLM 生物安全風險最有說服力的實證研究之一。

AI 治理視角

這項研究直接關聯到 2026 年最熱的 AI 治理（AI governance）議題。隨着 LLM 能力快速提升，LLM 安全評估（LLM safety evaluation）不能只停留在“模型能回答什麼”的層面，而必須包含“模型能賦能誰做什麼”的維度。這篇論文提出的 uplift 指標可能會成爲未來 AI 安全評估框架的標配。歐盟 AI Act 和美國的 AI 監管提案都在關注類似的“能力提升風險”問題。