热点事件持续更新
Taste-Bench基准：AI Agent长期决策能力测试
1 篇报道1 个报道来源20 小时前更新
先了解这件事
AI 综述
研究者发布 Taste-Bench 基准，用 502 道在决策分叉点上的二元选择题测试 AI 智能体在长时任务中选择更优路径的能力。该基准专门衡量 AI 智能体在长期任务中的决策质量。在该测试中，GPT-5.6 Sol 以 59.7% 的平均正确率领跑，其余模型明显落后。测试还显示，当决定性证据只在后续步骤出现时，全体模型平均准确率降至 21%，接近随机猜测水平，且提高推理预算对结果几乎没有改善。
AI 根据报道生成 · 20 小时前更新
最新进展10月18日 16:49
Taste-Bench 基准显示 AI 智能体在关键证据延迟出现时长期决策能力接近随机猜测。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 基准显示 AI 智能体长期决策能力接近随机猜测
研究者发布 Taste-Bench 基准，用 502 道在决策分叉点上的二元选择题测试 AI 智能体在长时任务中选择更优路径的能力。在该测试中，GPT-5.6 Sol 以 59.7% 的平均正确率领跑，其余模型明显落后；当决定性证据只在后续步骤出现时，全体模型平均准确率降至 21%，接近随机猜测，提高推理预算几乎没有改善。
本事件热度走势
当前热度 6·可比范围峰值 10（10月18日 17:00）·近 24 小时可比范围变化 –
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。