研究者发布Taste-Bench评测AI长期决策品味
热点事件持续更新
研究者发布Taste-Bench评测AI长期决策品味
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 等人发布 Taste-Bench 基准，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。该基准包含原始任务、分叉前的轨迹和两个可能方向，基准与代码已公开。 结果显示，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%。研究者据此称 AI 智能体在长期决策中的品味不足。
AI 根据报道生成 · 46 分钟前更新
最新进展10月18日 16:49
Taste-Bench 新基准：AI 智能体长期决策品味不足，GPT-5.6 Sol 仅 59.7%报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The DecoderTaste-Bench 新基准：AI 智能体长期决策品味不足，GPT-5.6 Sol 仅 59.7%
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%。
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。