热点事件持续更新
Taste-Bench衡量智能体长期决策品味
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Taste-Bench对AI智能体长期决策的评估。该基准用502道决策分叉题衡量长期判断，14个模型中GPT-5.6 Sol正确率最高，为59.7%。计分要求正序与反序都答对才算正确，按此标准随机作答只有25%。关键线索已在先前步骤可见时，全体模型平均正确率为62.3%；线索要到大量后续工作后才出现时，平均正确率降至21%。目前仅见这一则报道，尚无与上述数字或说法矛盾的后续消息。
AI 根据报道生成 · 53 分钟前更新
最新进展10月18日 16:49
The Decoder称GPT-5.6 Sol在Taste-Bench的14个模型中正确率最高，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 评估 AI 智能体长期决策，GPT-5.6 Sol 正确率59.7%
Taste-Bench 用502道决策分叉题评估智能体的长期判断，14个模型中 GPT-5.6 Sol 以59.7%最高，正反序都答对才算对时随机只有25%。关键线索已在先前步骤可见时全体模型平均正确率为62.3%，要到大量后续工作后才出现时降到21%。
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。