千机 API 热点事件持续更新
Taste-Bench评测AI智能体长期决策能力
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月18日，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。该基准包含502道题，测试了14个模型。报道显示，得分最高的 GPT-5.6 Sol 准确率为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%。
AI 根据报道生成 · 1 小时前更新
最新进展10月18日 16:49
Taste-Bench测试结果显示，关键线索延后出现时，模型平均准确率降至21%。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 基准显示 AI 智能体难以判断长期决策路径
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%。
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。