The Decoder· Jonathan Kemper·· 4 小时前AI 评分58
新基准 Taste-Bench 测出 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 道决策分叉题检验智能体在长期任务中的选择质量，表现最好的 GPT-5.6 Sol 准确率仅 59.7%，接近二选一猜测水平。
来源：The Decoder · the-decoder.com