热点事件持续更新
Taste-Bench基准测试AI智能体长期决策品味
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月18日，研究团队提出新基准Taste-Bench，用于检验AI智能体在长期任务中的决策判断力。该基准包含502道决策分叉题，考察智能体在长期任务中的选择质量。测试结果显示，表现最好的GPT-5.6 Sol准确率仅59.7%，接近二选一猜测水平，表明AI智能体长期决策判断力不足。目前该基准刚刚发布，尚无更多后续评测或改进进展的报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月18日 16:49
研究团队发布Taste-Bench基准，最强模型GPT-5.6 Sol准确率仅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 测出 AI 智能体长期决策判断力不足
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。
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。