Taste-Bench 基准测出智能体长期决策短板
热点事件持续更新
Taste-Bench 基准测出智能体长期决策短板
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者 Pan 等人提出并发布 Taste-Bench 基准及代码，用 502 道二选一决策题衡量 AI 智能体在长期任务中的判断力。每道题给出原始任务、截至分叉点的执行轨迹和两个可选方向。 测试结果显示，表现最好的 GPT-5.6 Sol 平均准确率仅 59.7%，GPT-5.5 为 59.5%，其余模型明显更低。研究者据此指出，智能体在长期决策上的能力仍不足。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
新基准 Taste-Bench 测出 AI 智能体长期决策能力不足报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder新基准 Taste-Bench 测出 AI 智能体长期决策能力不足
研究者提出 Taste-Bench，用 502 道二选一决策题衡量智能体在长期任务中的判断力，最佳模型 GPT-5.6 Sol 平均准确率仅 59.7%，GPT-5.5 为 59.5%，其余模型明显更低。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。