The Decoder· Jonathan Kemper·· 3 小时前AI 评分58
新基准 Taste-Bench 显示 AI 智能体长期决策能力接近随机猜测
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 道分叉选择题衡量智能体在长期任务中的决策品味，表现最好的 GPT-5.6 Sol 平均正确率 59.7%，其余模型明显更低。
来源：The Decoder · the-decoder.com