跳到正文
热点事件观察中

Taste-Bench：AI智能体长期决策判断力不足

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

研究者 Pan 等人提出 Taste-Bench 基准，用同一任务多次运行产生的分叉点构造 502 道二选一题，考察智能体在长期决策中的判断力。测试的 14 个模型中，最好的 GPT-5.6 Sol 平均准确率为 59.7%，GPT-5.5 为 59.5%，其余模型明显更低。 当关键线索只在后续步骤才出现时，模型平均准确率降至 21%。该基准与代码已公开。

AI 根据报道生成 · 1 天前更新

最新进展10月18日 16:49
新基准 Taste-Bench 显示 AI 智能体长期决策判断力不足

报道时间线

沿着报道，了解事件的不同侧面。

10月18日
  1. The Decoder
    新基准 Taste-Bench 显示 AI 智能体长期决策判断力不足

    研究者提出 Taste-Bench，用同一任务多次运行产生的分叉点构造 502 道二选一题，考察智能体在长期决策中的判断力。测试的 14 个模型中最好的 GPT-5.6 Sol 平均准确率 59.7%，GPT-5.5 为 59.5%，其余明显更低；当关键线索只在后续步骤才出现时，平均准确率降至 21%。

本事件热度走势

可比范围当前
5
可比范围峰值
1010月18日 18:00
近 24 小时变化
-51%

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。