热点事件持续更新
新基准Taste-Bench衡量Agent长期决策品味
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月18日，研究者提出新基准Taste-Bench，用于评测AI智能体在长期任务中的“品味”，即二选一决策能力。该基准包含502道二选一决策题。报道称，表现最好的GPT-5.6 Sol平均准确率仅59.7%，GPT-5.5为59.5%，其余12个Claude、Grok、DeepSeek、GLM、MiniMax、Mistral模型远低于此。目前进展停留在基准发布与首轮评测结果公布阶段，尚无后续更新。
AI 根据报道生成 · 1 小时前更新
最新进展10月18日 16:49
研究者发布Taste-Bench基准，502道二选一题测智能体品味，最高分仅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 新基准：AI 智能体长期决策品味不足，GPT-5.6 Sol 仅 59.7%
研究者提出 Taste-Bench，用 502 道二选一决策题评测 AI 智能体在长期任务中的"品味"，表现最好的 GPT-5.6 Sol 平均准确率仅 59.7%，GPT-5.5 为 59.5%，其余 12 个 Claude、Grok、DeepSeek、GLM、MiniMax、Mistral 模型远低于此。
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。