热点事件持续更新
研究团队推出Taste-Bench基准评估AI智能体长期决策品味
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月18日，研究人员推出全新基准 Taste-Bench，用于评估 AI 智能体在面对二选一路径时的长期决策品味。该基准通过冻结智能体运行轨迹中的决策分叉点展开测试，共涵盖 14 款主流模型的 502 道题目。评测结果显示，目前顶级模型的准确率均不足 60%，其中表现最好的 GPT-5.6 Sol 与 GPT-5.5 准确率仅分别为 59.7% 和 59.5%。此外，增加推理思考预算并不能改善线索后置的决策难题。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
Taste-Bench评测显示顶级模型准确率不足60%，且增加思考预算无法改善线索后置难题。报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder精选新基准 Taste-Bench 评估 AI 智能体长期决策能力，顶级模型准确率不足 60%
研究人员推出全新基准 Taste-Bench，通过冻结智能体运行轨迹中的决策分叉点，评估模型在面对二选一路径时的长期决策品味。评测涵盖 14 款主流模型共 502 道题目，表现最好的 GPT-5.6 Sol 与 GPT-5.5 准确率仅为 59.7% 和 59.5%，且增加推理思考预算并不能改善线索后置难题。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。