Taste-Bench：AI 智能体长期决策接近随机
热点事件持续更新
Taste-Bench：AI 智能体长期决策接近随机
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队（Pan et al.）提出并公开了 Taste-Bench 基准及代码，通过智能体运行轨迹中的决策分叉衡量长期决策质量。该基准含 502 道二选一题，14 个模型参测；表现最好的 GPT-5.6 Sol 平均正确率仅 59.7%，当关键线索只在后续工作中才出现时，准确率降至 21%。 研究者还将教师模型的判断蒸馏进 Qwen3.6-27B，使 41 个 SWE-bench Pro 任务的成功率从 14.6% 提升至 33.7%。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
新基准 Taste-Bench 显示 AI 智能体长期决策能力接近随机报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder新基准 Taste-Bench 显示 AI 智能体长期决策能力接近随机
研究者提出 Taste-Bench 基准，利用智能体运行轨迹中的决策分叉衡量长期决策质量。该基准含 502 道二选一题，14 个模型参测，最好的 GPT-5.6 Sol 平均正确率仅 59.7%，当关键线索只在后续工作中才出现时准确率降至 21%。研究者还将教师模型判断蒸馏进 Qwen3.6-27B，使 41 个 SWE-bench Pro 任务的成功率从 14.6% 提升到 33.7%。
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。