The Decoder· Jonathan Kemper·· 7 小时前
新基准 Taste-Bench 显示 AI 智能体长期决策判断力不足
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 道决策分叉题检验智能体在长期任务中的取舍判断，表现最好的 GPT-5.6 Sol 准确率仅 59.7%，其他模型远低于此。
入选记录
门槛 76媒体与个人第一次 58第二次 58
未入选两次之和 116 < 门槛的两倍 152
- 信源等级
- 媒体与个人，这一级的门槛是 76 分
- 预筛
- 通过：AI Agent长期决策评测基准
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：The Decoder · the-decoder.com