The Decoder· Jonathan Kemper·· 2 天前AI 评分58
新基准 Taste-Bench 显示 AI 智能体长期决策能力不足
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 道二元选择题考察智能体在决策分叉点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%。
来源：The Decoder · the-decoder.com