Taste-Bench基准发布：AI长期决策能力暴露短板
热点事件持续更新
Taste-Bench基准发布：AI长期决策能力暴露短板
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究团队发布评测基准 Taste-Bench 及公开代码，旨在衡量 AI 智能体在长期任务中路径选择的质量。该基准包含 502 个决策分支问题，测试显示 14 种主流模型中表现最好的 GPT-5.6 Sol 准确率仅为 59.7%，且模型表现随关键线索出现时间的推迟急剧下降。
AI 根据报道生成 · 3 小时前更新
最新进展10月18日 16:49
Taste-Bench 评测基准：AI 智能体在长期决策中缺乏品味报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The DecoderTaste-Bench 评测基准：AI 智能体在长期决策中缺乏品味
一项新研究提出了评测基准 Taste-Bench，用于衡量 AI 智能体在长期任务中路径选择的“品味”（即质量）。该基准包含 502 个决策分支问题，显示 14 种当前主流模型中，表现最好的 GPT-5.6 Sol 准确率仅为 59.7%，且随着关键线索出现时间的推迟，模型表现急剧下降。
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。