热点事件持续更新
Taste-Bench 基准发布，评测 Agent 长期决策品味
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
2026年10月18日，The Decoder 报道，研究团队提出新基准 Taste-Bench，用于衡量 AI 智能体在长期任务中做出更优选择的能力，即所谓“决策品味”。该基准包含 502 个决策岔口问题，测试的 14 个模型中表现最好的是 GPT-5.6 Sol，仅得 59.7%，其余模型明显更低。报道据此指出，AI 智能体在长期决策判断力上仍显不足。目前该事件仅有这一篇报道，尚无后续评测、复现或榜单更新等进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
研究团队发布 Taste-Bench，14 个模型中最高分仅 59.7%。报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder新基准 Taste-Bench 显示 AI 智能体长期决策判断力不足
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。
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。