GeneBench-Pro是一个新基准，用于评估智能体在多阶段统计推理中的能力，涵盖基因组学和药物基因组学等领域。该基准包含129个经过专家审查的问题，旨在模拟真实的科学分析过程。尽管现有模型在某些任务上有所提升，但整体通过率仍较低，尚未实现完整的推理闭环，未来需要增强模型的规划和自我修正能力。