The Decoder· Jonathan Kemper·· 3 小时前AI 评分28
新基准 Taste-Bench 证明 AI 智能体在长期决策中缺乏"品味"
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
Taste-Bench 通过502个决策分叉问题评估AI智能体的长期决策"品味"，测试14个主流模型后发现最佳模型 GPT-5.6 Sol 仅以59.7%平均准确率胜出，远未接近完美。
来源：The Decoder · the-decoder.com