The Decoder· Jonathan Kemper·· 13 天前AI 评分52
新基准 Taste-Bench 衡量 AI 智能体的长期决策品味
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
研究者提出 Taste-Bench，用 502 道二选一题目衡量智能体在决策分叉处选择更优路径的能力，最佳模型 GPT-5.6 Sol 平均准确率仅 59.7%，接近随机猜测的 25% 基线。
来源：The Decoder · the-decoder.com