The Decoder· Jonathan Kemper·· 4 天前AI 评分47
Taste-Bench 基准测试：AI 智能体长期决策品味不佳，GPT-5.6 Sol 正确率不足 60%
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
新基准 Taste-Bench 测试 AI 智能体在长任务中做战略选择的能力，表现最好的 GPT-5.6 Sol 在简单二选一问题上正确率仅略低于 60%。延长思考时间并不能提升表现。
来源：The Decoder · the-decoder.com