Taste-Bench 测出智能体长期决策短板
热点事件持续更新
Taste-Bench 测出智能体长期决策短板
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究者 Pan 等人提出并公开 Taste-Bench 基准及代码，用智能体运行轨迹中的决策分叉点考察其长期决策质量，共 502 道二选一题。 测试的 14 个模型中，最好的 GPT-5.6 Sol 平均准确率为 59.7%，GPT-5.5 为 59.5%，其余模型明显更低；当关键线索只在后续步骤才出现时，平均准确率降至 21%。
AI 根据报道生成 · 4 小时前更新
最新进展10月18日 16:49
新基准 Taste-Bench 显示 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 显示 AI 智能体长期决策能力不足
研究者提出 Taste-Bench，用智能体运行轨迹中的决策分叉点考察其长期决策质量，共 502 道二选一题。测试的 14 个模型中最好的 GPT-5.6 Sol 平均准确率 59.7%，GPT-5.5 为 59.5%，其余明显更低；当关键线索只在后续步骤才出现时，平均准确率降至 21%。
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。