Taste-Bench评测揭示AI智能体长期决策短板
热点事件持续更新
Taste-Bench评测揭示AI智能体长期决策短板
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Pan等研究者提出长期决策评测基准Taste-Bench，测试14个模型后，GPT-5.6 Sol以59.7%的准确率居首；当判断依据要到后续大量工作后才出现时，受测模型的平均准确率降至21%，低于25%的随机猜测基线。 该基准包含502道决策分叉题，每题提供原始任务、分叉前的执行轨迹和两个可选方向，并利用后续执行轨迹判断早期选择的优劣。模型须在选项顺序互换前后均答对，该题才计分。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
Taste-Bench 评测显示 AI 智能体长期决策判断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 DecoderTaste-Bench 评测显示 AI 智能体长期决策判断能力不足
Taste-Bench 用 502 道决策分叉题评估 AI 智能体的长期判断，受测的 14 个模型中，GPT-5.6 Sol 以 59.7% 的准确率居首。每题须在选项顺序互换前后均答对才计分，随机猜测基线为 25%；当判断依据要到后续大量工作后才出现时，模型平均准确率降至 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。