新基准Taste-Bench衡量AI智能体长期决策品味
热点事件持续更新
新基准Taste-Bench衡量AI智能体长期决策品味
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
研究者 Pan 等人提出并发布 Taste-Bench，用 502 道决策分叉题衡量智能体在长期任务中的路径选择能力，基准与代码已公开。测试中最佳模型 GPT-5.6 Sol 准确率仅 59.7%；当关键线索只在后续步骤才显现时，各模型平均准确率跌至 21%，接近随机猜测，增加推理预算也无改善。 团队还将教师模型的判断蒸馏到 Qwen3.6-27B，在 41 个 SWE-bench Pro 任务上把成功率从 14.6% 提升到 33.7%。
AI 根据报道生成 · 51 分钟前更新
最新进展10月18日 16:49
新基准 Taste-Bench 衡量 AI 智能体的长期决策品味报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder新基准 Taste-Bench 衡量 AI 智能体的长期决策品味
研究者提出 Taste-Bench，用 502 道决策分叉题衡量智能体在长期任务中的路径选择能力，最佳模型 GPT-5.6 Sol 准确率仅 59.7%。当关键线索只在后续步骤才显现时，各模型平均准确率跌至 21%，接近随机猜测，增加推理预算也无改善。团队还将教师模型判断蒸馏到 Qwen3.6-27B，在 41 个 SWE-bench Pro 任务上把成功率从 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。