Taste-Bench：AI智能体长期决策准确率仅59.7%
热点事件持续更新
Taste-Bench：AI智能体长期决策准确率仅59.7%
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 道二选一的轨迹分叉题考察 AI 智能体在长期任务中的决策质量。测试的 14 个模型中表现最好的 GPT-5.6 Sol 平均准确率为 59.7%，纯猜测为 25%；当关键线索只在后续步骤才出现时，平均准确率降至 21%。 该基准与代码已公开。测试结果指向智能体在长期决策上仍存在明显不足。
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 智能体长期决策能力不足报道时间线
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 智能体长期决策能力不足
研究者提出 Taste-Bench，用轨迹分叉点考察智能体在长期任务中的决策质量，共 502 道二选一题。测试的 14 个模型中最好的 GPT-5.6 Sol 平均准确率 59.7%，纯猜测为 25%；当关键线索只在后续步骤才出现时，平均准确率降到 21%。
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。