The Decoder· Jonathan Kemper·· 3 小时前AI 评分58
新基准 Taste-Bench 衡量 AI 智能体的长期决策品味
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 道二元选择题衡量智能体在长期任务中的决策品味，最佳模型 GPT-5.6 Sol 仅得 59.7%，接近随机猜测。
来源：The Decoder · the-decoder.com