世界实验室（world-labs）发布 Taste-Bench 新基准，通过 502 道决策分叉题测试 AI 智能体的长期决策
AI 根据报道生成 · 1 小时前更新
沿着报道，了解事件的不同侧面。
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。
还没有足够的连续观测数据，暂不绘制趋势。