The Decoder· Jonathan Kemper·· 3 小时前AI 评分58
新基准 Taste-Bench 衡量 AI 智能体的长期决策品味
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 道二元选择题考察智能体在决策分叉点能否选出更优路径，最佳模型 GPT-5.6 Sol 平均准确率 59.7%，仅略高于 GPT-5.5 的 59.5%。
来源：The Decoder · the-decoder.com