Taste-Bench评测智能体长期决策
热点事件持续更新
Taste-Bench评测智能体长期决策
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
Taste-Bench研究团队提出并发布Taste-Bench基准及代码，用于评测智能体在后续证据出现前选择更优路径的长期决策能力。该基准包含502个决策岔口，Claude、GPT、Grok、DeepSeek、GLM、MiniMax和Mistral系列共14个模型参与测试，平均准确率最高的GPT-5.6 Sol为59.7%，GPT-5.5为59.5%。
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评测智能体长期决策能力报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The DecoderTaste-Bench评测智能体长期决策能力
研究团队提出 Taste-Bench，用 502 个决策岔口评测智能体能否在后续证据出现前选择更好的路径。Claude、GPT、Grok、DeepSeek、GLM、MiniMax 和 Mistral 系列中的 14 个模型参与测试，最佳模型 GPT-5.6 Sol 平均准确率为 59.7%，GPT-5.5 为 59.5%。
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。