• 覆盖8大类30个细分任务，涵盖文献抽取（LitQA2）、数据库检索（DbQA）、补充信息（SuppQA）、科学图表推理（FigQA/TableQA）、实验协议排错（ProtocolQA）、生物序列操作（SeqQA）及分子克隆复杂场景。
• 公开约80%数据，保留20%私有测试集防止训练污染，内置canary字符串便于模型训练过滤。
• 支持Python 3.10+，提供异步agent接口，便于并行评测与多模型对比。
• 详尽文档和示例代码包含多种基线测试，助力快速上手与复现。
• 数据集开放获取，支持Hugging Face平台同步调用，推动AI在生物研究中的实用转化。
• 论文详述数据集设计与评测方法，具备长期参考价值，为科研AI能力构建提供方法论支撑。
