The Decoder· Jonathan Kemper· 媒体 / 作者来源·· 8 天前精选
AI代理长期决策能力不足，新基准测试揭示问题
原文标题
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
研究人员推出名为Taste-Bench的新基准测试，评估AI代理在长期任务中的战略决策能力。测试显示，即使是最佳模型GPT-5.6 Sol在简单二元问题上的正确率也仅为60%左右，且延长思考时间无法提升表现。
来源：The Decoder · the-decoder.com
导读与选稿说明
该基准测试首次量化揭示了当前AI代理在长期战略决策方面的局限性，为改进方向提供了明确参考。
导读由模型辅助整理，非独立核验。完整信息见原文。