热点事件持续更新
Taste-Bench基准揭示AI长期决策短板
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，The Decoder报道了名为Taste-Bench的新基准测试，旨在评估AI智能体在“决策分叉”处的长期规划能力。结果显示现有模型表现不佳，最佳模型GPT-5.6 Sol的准确率仅为59.7%，接近随机猜测水平。此外，研究指出通过Qwen3.6-27B进行蒸馏训练可提升判断力，使SWE-bench Pro任务成功率从14.6%显著提升至33.7%。该事件揭示了当前AI在长期决策品味上的不足及潜在改进路径。
AI 根据报道生成 · 1 小时前更新
最新进展10月18日 16:49
新基准显示GPT-5.6 Sol长期决策准确率仅59.7%，蒸馏训练可提升任务成功率。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 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%
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%。
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。