Taste-Bench基准发布：AI长期决策品味测试
热点事件持续更新
Taste-Bench基准发布：AI长期决策品味测试
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究人员 Pan 等人发布 Taste-Bench 基准，用 502 个决策分叉问题测量 AI 智能体在编码和 AI 研究任务中的长期决策“品味”，测试了 Claude、GPT、Grok、DeepSeek、GLM、MiniMax 和 Mistral 家族的 14 个模型。结果显示智能体长期决策能力普遍薄弱，最佳模型仅得 59.7%。 据 The Decoder 报道，该基准及代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
Taste-Bench 基准揭示 AI 智能体长期决策能力薄弱，最佳模型仅得 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 Decoder：AI NewsTaste-Bench 基准揭示 AI 智能体长期决策能力薄弱，最佳模型仅得 59.7%
新基准 Taste-Bench 通过 502 个决策分叉问题测量智能体在编码和 AI 研究任务中的长期决策品味，测试了来自 Claude、GPT、Grok、DeepSeek、GLM、MiniMax 和 Mistral 家族的 14 个模型。
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。