The Decoder· Jonathan Kemper·· 2 小时前AI 评分71
Taste-Bench 基准显示 AI 智能体难以判断长期决策路径
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，用于评估 AI 智能体在长期任务中选择较优决策路径的能力。基准包含 502 道题，测试 14 个模型；得分最高的 GPT-5.6 Sol 为 59.7%，当关键线索要到后续轨迹中才出现时，模型平均准确率降至 21%。
来源：The Decoder · the-decoder.com