The Decoder· Jonathan Kemper·· 3 小时前AI 评分28
Taste-Bench 基准揭示 AI 智能体长期决策品味不足，GPT-5.6 Sol 准确率仅 59.7%
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
新基准 Taste-Bench 评估 AI 智能体在“决策分叉”处的长期规划能力，现有模型表现不佳。最佳模型 GPT-5.6 Sol 准确率仅 59.7%，接近随机猜测水平。通过 Qwen3.6-27B 蒸馏训练可提升判断力，使 SWE-bench Pro 任务成功率从 14.6% 升至 33.7%。
来源：The Decoder · the-decoder.com