Taste-Bench 测试显示 AI 智能体长期决策品味不佳
热点事件历史事件
Taste-Bench 测试显示 AI 智能体长期决策品味不佳
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
Taste-Bench 研究团队发布新基准 Taste-Bench，用于测试 AI 智能体在长任务中做战略选择的能力。结果显示，表现最好的 GPT-5.6 Sol 在简单二选一问题上的正确率仅略低于 60%，且延长思考时间并不能提升表现。 该基准关注的是智能体在长期任务中的决策“品味”，而非单步任务完成度；目前公开的最高成绩仍不及格线附近。
AI 根据报道生成 · 3 天前更新
最新进展10月18日 16:49
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%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 基准测试：AI 智能体长期决策品味不佳，GPT-5.6 Sol 正确率不足 60%
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。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月19日 13:00
- 近 24 小时变化
- -49%
0246
18:0010月20日06:0012:00
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。