Taste-Bench 测出 Agent 长期决策短板
热点事件持续更新
Taste-Bench 测出 Agent 长期决策短板
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
研究者 Pan 等人发布 Taste-Bench 基准，用 502 道决策分叉题测量 AI 智能体在长期任务中的路径判断力，并公布 14 个模型的评测结果。成绩最好的 GPT-5.6 Sol 仅得 59.7%，其余模型远低于此，显示智能体在长期决策判断上普遍不足。 每道题给出原始任务、到分叉点为止的轨迹和两个可能方向，考察智能体在关键节点选择后续路径的能力。该基准与代码已公开。
AI 根据报道生成 · 17 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精选新基准 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。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 1010月18日 18:00
- 近 24 小时变化
- –
02.557.510
18:0021:0010月19日03:0006:0009:00
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。