热点事件持续更新
Taste-Bench 评估 AI Agent 长期决策质量
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月18日，研究人员发布 Taste-Bench 基准，用于评估 AI 智能体在长期决策中的判断力。该基准以智能体轨迹中的决策分叉为衡量对象，包含 502 道二选一问题。测试覆盖 14 个模型，其中表现最好的 GPT-5.6 Sol 平均得分仅为 59.7%；当关键线索要到很晚才出现时，其准确率跌至 21%，接近随机水平。报道据此指出，AI 智能体在长期决策上的判断力不佳。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
Taste-Bench 发布：最佳模型 GPT-5.6 Sol 平均仅 59.7%，延迟线索下跌至 21%。报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The DecoderTaste-Bench 基准测试显示 AI 智能体在长期决策上判断力不佳
研究人员发布 Taste-Bench 基准，用智能体轨迹中的决策分叉衡量长期决策的品味，包含 502 道二选一问题。测试 14 个模型中最好的 GPT-5.6 Sol 平均仅得 59.7%，当关键线索要到很晚才出现时准确率跌至 21%，接近随机。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。