研究团队推出 Taste-Bench 测试智能体长程决策
热点事件持续更新
研究团队推出 Taste-Bench 测试智能体长程决策
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
研究团队推出 Taste-Bench，评估 AI 智能体能否在长程任务中判断较优决策路径；在该基准测试的模型中，GPT-5.6 Sol 得分最高，为 59.7%。 基准包含 502 道问题。测试显示，当判断所需的关键证据只出现在后续轨迹中时，模型平均准确率降至 21%。
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 研究发现 AI 智能体难以判断长程决策优劣报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The DecoderTaste-Bench 研究发现 AI 智能体难以判断长程决策优劣
研究团队提出 Taste-Bench，用于评估 AI 智能体在长程任务中选择较优决策路径的能力。基准包含 502 道问题，测试的模型中 GPT-5.6 Sol 得分最高，为 59.7%；当关键证据只在后续轨迹中出现时，模型平均准确率降至 21%。
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。