研究者发布Taste-Bench，测出智能体长期决策短板
热点事件持续更新
研究者发布Taste-Bench，测出智能体长期决策短板
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 等人发布 Taste-Bench，用 502 道决策分叉题衡量智能体在长期任务中的选择质量。结果显示，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显现时，各模型平均准确率降至 21%。 团队还将教师模型的判断蒸馏进 Qwen3.6-27B，在 41 个 SWE-bench Pro 任务上把成功率从 14.6% 提升到 33.7%。基准与代码已公开。
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 测出 AI 智能体长期决策判断力不足报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder新基准 Taste-Bench 测出 AI 智能体长期决策判断力不足
研究者提出 Taste-Bench，用 502 道决策分叉题衡量智能体在长期任务中的选择质量，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显现时，各模型平均准确率降至 21%。团队还将教师模型判断蒸馏进 Qwen3.6-27B，在 41 个 SWE-bench Pro 任务上把成功率从 14.6% 提升到 33.7%，基准与代码已公开。
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。