Taste-Bench基准测试AI智能体长期决策品味

2026年10月18日，研究团队提出名为Taste-Bench的新基准，用于检验AI智能体在长期任务中的路径选择能力。该基准包含502道决策分叉题，考察智能体面对分叉路径时的判断与取舍。报道称，表现最好的模型GPT-5.6 Sol平均准确率仅59.7%，接近二选一的随机水平，显示AI智能体在长期决策判断力方面仍显不足。目前该基准的具体题目设计、评测方法及参与测试的其他模型表现尚未在报道中披露，事件仍处于基准发布与初步结果公布阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。