研究者发布Taste-Bench智能体长期决策基准
热点事件持续更新
研究者发布Taste-Bench智能体长期决策基准
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
研究团队 Pan 等人发布 Taste-Bench 基准及代码，用 502 道决策分叉题衡量 AI 智能体在长期任务中的判断力。团队称，表现最好的模型 GPT-5.6 Sol 准确率仅 59.7%，接近二选一的随机水平；当关键线索只在后续步骤出现时，所有模型平均准确率降至 21%。 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%。基准和代码已公开。
AI 根据报道生成 · 1 小时前更新
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
研究团队提出 Taste-Bench，用 502 道决策分叉题衡量智能体在长期任务中的判断力，最佳模型 GPT-5.6 Sol 仅得 59.7%，接近二选一的随机水平。当关键线索只在后续步骤才出现时，所有模型平均准确率降至 21%。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。