Taste-Bench 基准揭示智能体长期决策短板
热点事件持续更新
Taste-Bench 基准揭示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 等人提出并公开 Taste-Bench 基准，用 502 道决策分叉题衡量 AI 智能体在长期任务中的选择质量。结果显示最佳模型 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。该基准与代码已公开。
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 显示 AI 智能体长期决策判断力不足报道时间线
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 智能体长期决策判断力不足
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。
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。