热点事件持续更新
Taste-Bench评测智能体长期决策判断能力
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
2026年10月18日，The Decoder报道了Taste-Bench对AI智能体长期决策判断能力的评测结果。该评测使用502道二选一问题，考察模型能否判断长期决策的优劣，共有14个模型接受测试。其中，表现最好的模型是GPT-5.6 Sol，准确率为59.7%。这篇报道以该评测结果指出，AI智能体仍难以判断长期决策的优劣；目前披露的进展集中于评测题量、受测模型数量及最佳模型的准确率。
AI 根据报道生成 · 1 小时前更新
最新进展10月18日 16:49
Taste-Bench评测14个模型，最佳模型GPT-5.6 Sol准确率为59.7%。报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The DecoderTaste-Bench 评测显示 AI 智能体难以判断长期决策优劣
Taste-Bench 用 502 道二选一问题评测 AI 智能体的长期决策判断能力，14 个受测模型中表现最好的 GPT-5.6 Sol 准确率为 59.7%。
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。