The Decoder· Jonathan Kemper·· 3 小时前AI 评分58
新基准 Taste-Bench 显示 AI 智能体长期决策判断力不足
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
研究者提出 Taste-Bench，用 502 道决策分叉题衡量智能体在长期任务中的选择质量，最佳模型 GPT-5.6 Sol 准确率仅 59.7%。当关键线索只在后续步骤才显现时，所有模型平均准确率降至 21%，接近随机猜测，增加推理预算也几乎没有改善。
来源：The Decoder · the-decoder.com