The Decoder· Jonathan Kemper·· 7 小时前AI 评分62
新基准 Taste-Bench 显示 AI 智能体长期决策能力不足
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
研究人员推出 Taste-Bench 基准，旨在评估 AI 智能体在长期任务中的决策“品味”，即选择高质量实施路径而非仅关注最终结果的能力。该基准包含 502 个问题，利用历史运行轨迹中的“决策分叉点”让模型判断哪条路径更优。
来源：The Decoder · the-decoder.com