The Decoder· Jonathan Kemper·· 2 小时前
Taste-Bench 新基准：AI 智能体长期决策品味不足，GPT-5.6 Sol 仅 59.7%
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
研究者推出 Taste-Bench，用 502 道“决策分叉”二选题衡量智能体在长期任务中的路径判断力，最佳模型 GPT-5.6 Sol 平均准确率仅 59.7%，GPT-5.5 为 59.5%，纯猜测为 25%。
来源：The Decoder · the-decoder.com