FutureHouse / Edison Scientific

做什么

运营科学 agent 基准：lab-bench（2,457 题、8 类 30 子任务，公开 80%、私留 20% 防污染）与 bixbench（53 场景、近 300 开放题，初版最佳模型约 17%）[1][2]。Edison Scientific 为其相关产品公司。

争议与口径

BixBench 的运营方同时是被评产品（Edison Analysis）的开发方，评测独立性受限，独立复核缺位，对照 validation-as-service 中真值生产方与基准制定方重合的问题[2]。FutureHouse 估计 HLE 文本型化学/生物题约 30% 答案可能有误（HLE 团队部分复现）。融资未查到。