Taste-Benchベンチマーク、Agentの長期的な意思決定能力を評価
まずはこの出来事を
AI によるまとめ
2026年10月18日、The Decoderが報じたところによると、研究者はAIエージェントの長期的なタスクにおける取捨選択の判断能力を検証する新たなベンチマーク「Taste-Bench」を提案した。このベンチマークは502問の意思決定分岐問題を含む。報道によれば、最も成績の良かったGPT-5.6 Solの正答率は59.7%にとどまり、他のモデルはこれを大きく下回った。AIエージェントの長期的な意思決定の判断力が不足していることを示している。現時点でこの件に関する報道はこの1本のみで、続報はない。
報道をもとに AI が作成 · 5 時間前に更新
最新の続報10月18日 16:49
研究者がTaste-Benchベンチマークを公開、502問のテストで最高モデルの正答率は59.7%にとどまる。報道の時系列
報道をたどり、出来事のさまざまな面を知る。
10月18日
- The Decoder新ベンチマークTaste-Bench、AIエージェントの長期的な意思決定力の不足を示す
研究者らは、長期的なタスクにおける取捨選択の判断を検証する502問の意思決定分岐問題からなるTaste-Benchを提案した。最高性能のGPT-5.6 Solでも正答率は59.7%にとどまり、他のモデルは大きく下回った。
この出来事の注目度の推移
現在の注目度 8·比較範囲のピーク 10（10月18日 18:00）·過去 24 時間の比較範囲での変化 –
推移は、途切れずに観測できた同じ主体どうしだけで比べるため、現在の注目度の集計より範囲が狭いことがあります。ポインタを動かすかグラフをクリックすると 1 時間ごとの注目度が見られます。キーボードでは左右の矢印キーで切り替えられます。