Taste-Bench基准评估AI长期决策品味

研究人员推出 Taste-Bench 基准，用于评估 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。 Pan et al. 称，现有基准仅衡量智能体是否完成任务，而未评估其步骤质量，Taste-Bench 旨在填补这一空白。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。