The Decoder· Jonathan Kemper·· 17 小时前精选AI 评分62
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 道决策分叉题测量智能体在长期任务中的路径判断力，最佳模型 GPT-5.6 Sol 仅得 59.7%，其余模型远低于此。
推荐理由
Taste-Bench 用决策分叉测量智能体的长期判断力，并给出可训练的改进路径，读者可据此理解现有基准遗漏的能力维度。
来源：The Decoder · the-decoder.com