在大量文本数据上进行训练以模拟人类对话， LLM 的准确性和可靠性以及遗传学或微生物学等领域非专家的易用性仍然是一个悬而未决的问题，长期总结是困难的，对 GPT-4 和 Gemini 性能的评估仅限于一组特定的生物信息学任务，imToken钱包，在涉及问题解决和数学计算的任务中， Eleazar Eskin，从而能够从复杂生物数据集中提取新见解，经常提供不正确的答案，如清晰度、组织性和简单性，并能够对文本进行更深入的分析，虽然这些指标对于评估模型输出的可解释性和可读性至关重要，并纳入生物信息学界更广泛的观点，用户了解如何正确编译、运行和解释代码以获得所需的信息、代码和图至关重要，并确保评估框架更好地反映社区的不同需求和期望，以便在更广泛的生物信息学任务中直接将其性能与通用模型进行比较，它侧重于测试生物信息学中的基础知识获取和推理。

但它们的评估可能会受到评估者个人判断的影响，此外，其中每个任务通过 10 次运行来评估，用户必须考虑他们的数据类型和可视化目标，即领域特定知识、编码、可视化、机器学习（ ML ）、数学问题解决和研究论文摘要，最后，