新基准 Taste-Bench 揭示 AI Agent 长期决策能力差
热点事件持续更新
新基准 Taste-Bench 揭示 AI Agent 长期决策能力差
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
研究者发布 Taste-Bench 基准，用 502 道基于轨迹决策分叉的二选一问题衡量 AI 智能体的长期决策"品味"。在评测的 14 个模型中，最好的 GPT-5.6 Sol 平均仅得 59.7%；当关键线索只在后续工作中出现时，准确率跌至 21%。 团队还将教师模型的判断蒸馏进 Qwen3.6-27B 学生模型，后者在 41 个 SWE-bench Pro 任务上的成功率从 14.6% 升至 33.7%。
AI 根据报道生成 · 1 小时前更新
最新进展10月18日 16:49
Taste-Bench 基准显示 AI 智能体在长期决策上品味不佳报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The DecoderTaste-Bench 基准显示 AI 智能体在长期决策上品味不佳
研究者发布 Taste-Bench 基准，用 502 道基于轨迹决策分叉的二选一问题衡量智能体的长期决策"品味"。14 个模型中最好的 GPT-5.6 Sol 平均仅得 59.7%，当关键线索只在后续工作中出现时准确率跌至 21%。团队将教师模型判断蒸馏进 Qwen3.6-27B 学生模型后，其在 41 个 SWE-bench Pro 任务上的成功率从 14.6% 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。