热点事件持续更新

Taste-Bench 基准发布

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Pan 等研究者发布 Taste-Bench 基准，用 502 个决策分叉问题衡量 AI 智能体在长期任务中的路径选择质量。测试的 14 个模型中，GPT-5.6 Sol 以 59.7% 的准确率最高，但整体接近随机水平；当关键线索只出现在后续轨迹时，平均准确率降至 21%。基准和代码已公开。

AI 根据报道生成 · 3 小时前更新

最新进展10月18日 16:49

沿着报道，了解事件的不同侧面。

10月18日

16:49
The Decoder
Taste-Bench 基准衡量 AI 智能体的长期决策品味
研究人员提出 Taste-Bench 基准，用 502 个决策分叉问题衡量 AI 智能体在长期任务中的路径选择质量。测试的 14 个模型中，GPT-5.6 Sol 以 59.7% 的准确率最高，但整体接近随机水平；当关键线索只出现在后续轨迹时，平均准确率降至 21%。

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。