Taste-Bench基准评估Agent长期决策能力
先了解这件事
AI 综述
2026年10月18日，The Decoder报道，研究者提出新基准Taste-Bench，用于检验AI智能体在长期任务中的取舍判断能力。该基准包含502道决策分叉题。报道称，表现最好的GPT-5.6 Sol准确率仅59.7%，其他模型远低于此，显示AI智能体长期决策判断力不足。目前该事件仅有这一篇报道，尚无后续进展。
AI 根据报道生成 · 5 小时前更新
最新进展10月18日 16:49
研究者发布Taste-Bench基准，502题测试显示最佳模型准确率仅59.7%。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 显示 AI 智能体长期决策判断力不足
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。
本事件热度走势
当前热度 8·可比范围峰值 10（10月18日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。