摘要
人工智能虚拟细胞（AIVC）被设想为１类科学智能体，可模拟细胞应答、解释内在机理并支撑假说驱动的科学发现。但现有的AIVC基准测试主要聚焦仿真层，因此亟需１套可以评估模型解读实验证据、生成生物学假说能力的配套评测体系。本文提出OMNIVCBENCH，以图为核心、来源可溯源的基准数据集，专门用于评测AIVC的解读能力组件。该数据集包含6,077条经过人工筛选的单/多子图问答对，全部源自科技文献中的图表与实验背景。 本文依据布鲁姆教育目标分类学，围绕AIVC「预测‑解释‑发现（Predict‑Explain‑Discover）」范式，搭建解读层的３层科学推理任务：L1基于证据开展条件化推理、L2机理解释、L3基于证据提出科学假说。进一步提出AIVC‑Judge，面向任务条件的大模型裁判框架，配备分任务类别、参考感知式评分细则，用于评估开放式模型输出。 同时提出模型生成式负例挖掘（MDHNM）策略，将模型推理过程中产生的合理错误转化为选择题干扰项，实现低成本评测。在本研究测试的多组异构模型中，选择题准确率与AIVC‑Judge打分呈正相关，可与开放式回答评测形成互补视角。 对闭源与开源多模态模型开展评测表明，即便是性能最优的闭源模型，在AIVC‑Judge下满分5分仅取得3.28分。在辅助数据集OMNIVCTRAIN上开展监督微调、检索增强生成，性能可获得适度提升，提升幅度取决于具体配置。 综上，OMNIVCBENCH整合与原始文献对齐的细胞图表、围绕「预测‑解释‑发现」范式组织解读任务，同时配套开放式问答与可控选择题２套评测方案；是套来源可溯源的资源，用于评估候选AIVC解读组件基于证据的推理能力。
https://anonymous.4open.science/r/OmniVCBench
#OMNIVCBENCH #人工智能虚拟细胞 #多模态科学推理 #文献图表理解 #证据驱动推理 #负例挖掘 #基准测试
引言
图1 AIVC工作流中的解读组件
仿真层生成虚拟细胞与扰动细胞；实验输出观测结果；解读层（OMNIVCBENCH评测对象）基于证据开展推理，输出生物学洞见；之后进入AIVC优化循环，更新假说。OMNIVCBENCH仅评测高亮标记的解读组件，包含L1‑L3三项科学推理任务；其余阶段属于应用上下文。
解读层3类任务：
L1基于证据的条件化推理：观测到了哪些变化？
L2机理解释：这些变化因何发生？
L3基于证据提出假说：从证据可以推导出哪些可供检验的科学假说？
相关工作
表1 近年虚拟细胞与科学图表类基准测试汇总
对比各基准数据集规模、评测内容、所处层级（仿真层/解读层）
方法
开放式问答生成
图2 数据集构建与双轨评测流水线
从OmniScience文献源过滤得到候选记录，生成问答对，经过质量控制得到OMNIVCBENCH数据集，支持开放式评测（AIVC‑Judge裁判打分）与选择题评测（MDHNM挖掘得到干扰项）；粗粒度问答样例形成OMNIVCTRAIN，用于监督微调SFT与多模态检索增强RAG。
AIVC‑Judge裁判模型
图3 AIVC‑Judge裁判工作机制
输入结构化内容（问题、模型回答、原始图表图像、参考证据）；将回答拆解为原子级论断，每条论断判定：证据支持、证据矛盾、证据不足无法核验；再按照L1/L2/L3分层维度打分；输出各维度分数、总体分数、论断‑证据溯源追踪记录。
L1打分维度：正确性、证据支撑度
L2打分维度：忠实度、因果完备性、机理粒度、证据一致性
L3打分维度：判断正确性、论证质量、证据权衡。
实验
实验设置
表2 OMNIVCBENCH配对评测结果
选择题准确率（%，左侧）与AIVC‑Judge打分（1‑5分，右侧）
分为闭源模型、开源模型；†代表基于 OMNIVCTRAIN训练得到的16号秩、2轮SFT微调版本；统计全部问答样本的汇总指标
基于OMNIVCTRAIN开展模型适配
图4 评测一致性与模型适配增益
(a) 11个模型的选择题平均准确率与AIVC‑Judge总体得分相关性；
(b) Qwen3‑VL‑8B在L1/L2/L3不同任务层级下，基线、全语料SFT、高秩子集SFT、多模态RAG的性能对比；
(c) 各主流闭源模型L3任务的分项维度得分轮廓。
表3 Qwen3‑VL‑8B在选择题任务上的适配实验结果
记录基线、不同SFT、RAG配置下准确率变化Δ，以及置换检验P值
详细总结
思维导图
现有AIVC基准对比
3层任务L1‑L2‑L3
对齐Predict‑Explain‑Discover工作流、Bloom认知分类
整套数据集资源构成
评测工具AIVC‑Judge
多模型基准结果
节选
基于OMNIVCTRAIN的适配实验
Qwen3‑VL‑8B
闭环证据获取试点实验
4套模拟AIVC闭环
参考
OmniVCBench: Benchmarking Evidence-Grounded Multimodal Reasoning Towards AI Virtual Cells
https://arxiv.org/abs/2609.37773
注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。