Taste-Bench发布：AI长期决策品味评测
热点事件历史事件
Taste-Bench发布：AI长期决策品味评测
1 篇报道1 个报道来源13 天前更新
先了解这件事
AI 综述
研究者 Pan 等人发布 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，即所谓“长期决策品味”。据该研究，表现最好的模型 GPT-5.6 Sol 平均准确率仅 59.7%，而随机猜测的基线为 25%。 Taste-Bench 的基准与代码已公开。
AI 根据报道生成 · 13 天前更新
最新进展10月18日 16:49
新基准 Taste-Bench 衡量 AI 智能体的长期决策品味报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder新基准 Taste-Bench 衡量 AI 智能体的长期决策品味
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。