研究人员发布评估AI智能体长期决策能力的基准Taste-Bench
热点事件持续更新
研究人员发布评估AI智能体长期决策能力的基准Taste-Bench
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，研究人员发布了名为Taste-Bench的新基准，旨在评估AI智能体的长期决策能力。该基准包含502个问题，其核心设计是通过“决策分叉点”来评估智能体对后续步骤质量的判断能力，而非仅仅关注最终任务的完成情况。根据报道，在该基准的测试中，AI智能体在长期决策任务中表现不佳，其中最佳模型GPT-5.6 Sol在二元选择题上的平均准确率仅为59.7%。
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 新基准证明 AI 智能体在长期决策上“品味不佳”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 新基准证明 AI 智能体在长期决策上“品味不佳”
新基准 Taste-Bench 显示 AI 智能体在长期决策任务中表现不佳，最佳模型 GPT-5.6 Sol 在二元选择题上的平均准确率仅为 59.7%。该基准包含 502 个问题，通过“决策分叉点”评估智能体对后续步骤质量的判断能力，而非仅看最终任务完成情况。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月18日 17:00
- 近 24 小时变化
- –
02.557.510
17:0018:0019:00
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。