热点事件持续更新
Taste-Bench揭示AI智能体长期决策缺乏品味
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，The Decoder报道了Taste-Bench基准测试的最新结果，该测试旨在评估AI智能体在长期规划中的“品味”。通过回溯智能体运行轨迹中的“决策分叉点”，研究发现GPT-5.6 Sol在长期决策任务中表现不佳，准确率仅为59.7%，仅勉强超越随机猜测。此外，随着关键线索出现时间的推迟，模型表现急剧下降。研究同时指出，通过蒸馏教师模型的判断力，可将智能体在SWE-bench Pro上的成功率从14.6%显著提升至33.7%。
AI 根据报道生成 · 43 分钟前更新
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 揭示 AI 智能体在长期决策中缺乏“品味”
新发布的 Taste-Bench 基准测试通过回溯智能体运行轨迹中的“决策分叉点”，评估模型在长期规划中的“品味”。测试显示，GPT-5.6 Sol 以 59.7% 的准确率勉强超越随机猜测，且随着关键线索出现时间的推迟，模型表现急剧下降。研究还证明，通过蒸馏教师模型判断力，可将智能体在 SWE-bench Pro 上的成功率从 14.6% 提升至 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。