The Decoder· Jonathan Kemper·· 3 天前AI 评分71
新基准 Taste-Bench 测出 AI 智能体长期决策判断力不足
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 道二选一题考察智能体在决策分叉点上的长期判断力，最佳模型 GPT-5.6 Sol 平均准确率仅 59.7%，接近随机猜测。
来源：The Decoder · the-decoder.com