Taste-Bench基准测出智能体长期决策品味不足
热点事件持续更新
Taste-Bench基准测出智能体长期决策品味不足
1 篇报道1 个报道来源20 小时前更新
先了解这件事
AI 综述
研究者 Pan 等人提出并公开了 Taste-Bench 基准及代码，用来衡量 AI 智能体在长期任务中的决策品味。该基准包含 502 道分支选择题，每题给出原始任务、截至分叉点的执行轨迹和两个可选方向。 结果显示，表现最好的模型 GPT-5.6 Sol 仅得 59.7%，接近二选一的随机水平，说明智能体在长期决策中的品味仍显不足。
AI 根据报道生成 · 13 小时前更新
最新进展10月18日 16:49
新基准 Taste-Bench 显示 AI 智能体长期决策品味不足报道时间线
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 智能体长期决策品味不足
研究者提出 Taste-Bench，用 502 道分支选择题衡量智能体在长期任务中的决策品味，最佳模型 GPT-5.6 Sol 仅得 59.7%，接近二选一的随机水平。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月19日 01:00
- 近 24 小时变化
- –
02468
02:0004:0006:0008:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。