The Decoder· Jonathan Kemper·· 4 小时前
Taste-Bench评测显示AI Agent长期决策偏好较弱
AI agents have bad taste in long-term decisions and a new benchmark proves it
研究任务与主要进展
研究团队发布Taste-Bench，用包含502个二选一问题的决策分叉评测AI Agent在长期任务中选择更优路径的能力；14个模型中最佳GPT-5.6 Sol准确率为59.7%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请阅读原文核验。
来源：The Decoder · the-decoder.com