Taste-Bench 基准测试智能体长期决策品味
热点事件持续更新
Taste-Bench 基准测试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 Taste-Bench，用 502 道二选一题目衡量智能体在决策分叉点选择更优路径的能力。测试中最佳模型 GPT-5.6 Sol 准确率仅 59.7%，接近随机猜测；当关键线索只在后续轨迹中出现时，所有模型平均准确率降至 21%。 团队还以 Qwen3.6-27B 蒸馏教师模型的判断，使学生在 41 个 SWE-bench Pro 任务上的成功率从 14.6% 提升到 33.7%。
AI 根据报道生成 · 49 分钟前更新
最新进展10月18日 16:49
新基准 Taste-Bench 测试 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 测试 AI 智能体的长期决策品味
研究者提出 Taste-Bench，用 502 道二选一题目衡量智能体在决策分叉点选择更优路径的能力，最佳模型 GPT-5.6 Sol 仅得 59.7%，接近随机猜测。当关键线索只在后续轨迹中出现时，所有模型平均准确率降至 21%。团队还用 Qwen3.6-27B 蒸馏教师模型判断，使学生在 41 个 SWE-bench Pro 任务上的成功率从 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。