热点事件持续更新

Taste-Bench基准显示AI长期决策能力接近随机

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

研究人员推出 Taste-Bench 基准，专门评估 AI 智能体在长期任务中中间步骤的质量（即“品味”），而非仅关注最终结果。该基准包含 502 个问题，要求模型在轨迹分叉点预测哪条路径更优。测试结果显示，即使是表现最好的 GPT-5.6 Sol，其准确率也仅为 59.7%，接近随机猜测水平。这表明当前 AI 智能体在缺乏明确终点指引的长期决策过程中，难以有效判断中间步骤的优劣。

AI 根据报道生成 · 15 小时前更新

最新进展10月18日 16:49

Taste-Bench 基准测试显示 AI 智能体在长期决策中表现不佳

报道时间线

沿着报道，了解事件的不同侧面。

10月18日

16:49
The Decoder
Taste-Bench 基准测试显示 AI 智能体在长期决策中表现不佳
研究人员推出 Taste-Bench 基准，旨在评估 AI 智能体在长期任务中的“品味”，即中间步骤的质量而非仅看最终结果。该基准包含 502 个问题，要求模型在轨迹分叉点预测哪条路径更优，结果显示即使是表现最好的 GPT-5.6 Sol 准确率也仅为 59.7%，接近随机猜测水平。

本事件热度走势

可比范围当前: 7
可比范围峰值: 1010月18日 18:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。