热点事件持续更新
Taste-Bench基准发布揭示AI Agent长期决策能力不足
1 篇报道1 个报道来源4 小时前更新
先了解这件事
SI 综述
论文提出Taste-Bench基准，称测试14个模型显示最佳GPT-5.6 Sol仅59.7%准确率，证实AI智能体长期决策品味较差。 该基准含502个决策分支问题，以隐藏后续轨迹方式让模型二选一评估长期决策步骤质量。
SI 根据报道生成 · 3 小时前更新
最新进展10月18日 16:49
2026-10-18论文发布Taste-Bench基准，最佳模型长期决策准确率仅59.7%。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基准证实AI智能体长期决策品味较差
论文提出Taste-Bench基准，评估AI智能体长期决策中的步骤质量，测试14个模型显示最佳GPT-5.6 Sol仅59.7%准确率。基准含502个决策分支问题，以隐藏后续轨迹方式让模型二选一。
本事件热度走势
当前热度 9·可比范围峰值 10（10月18日 18:00）·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。