熱點事件持續更新
Taste-Bench評估AI智能體長期決策
1 篇報道1 個報道來源3 小時前更新
先了解這件事
AI 綜述
2026年10月18日，研究團隊提出 Taste-Bench，評估 AI 智能體在長期任務的決策分岔中能否選出較佳路徑。基準共設 502 道題目，測試 14 個模型；題目要求模型比較不同決策路徑，並在選項次序正向及反向呈現時都答對，才計作答對。純猜測的基準得分為 25%。測試結果中，GPT-5.6 Sol 得分最高，為 59.7%；GPT-5.5 得分為 59.5%。
AI 根據報道生成 · 3 小時前更新
最新進展10月18日 16:49
Taste-Bench測試14個模型，GPT-5.6 Sol以59.7%得分最高。報道時間線
沿着報道，瞭解事件的不同側面。
10月18日
- The DecoderTaste-Bench 揭示 AI 智能體難以判斷長期決策優劣
研究團隊提出 Taste-Bench，以 502 道題目評估 AI 智能體在長期任務的決策分岔中能否選出較佳路徑。測試 14 個模型時，最佳的 GPT-5.6 Sol 得分為 59.7%，GPT-5.5 為 59.5%；題目須在選項次序正反兩種呈現下都答對才計分，純猜測基準為 25%。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。