The Decoder· Jonathan Kemper·· 18 小时前AI 评分65
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
研究团队提出 Taste-Bench，用 502 个决策岔口问题衡量智能体在长期任务中做出更优选择的能力，测试的 14 个模型中最好的 GPT-5.6 Sol 仅得 59.7%，其余模型明显更低。
来源：The Decoder · the-decoder.com