The Decoder· Jonathan Kemper·· 6 小时前AI 评分68
新基准 Taste-Bench 证实 AI 智能体缺乏长期决策品味且难以预判后续路径
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
研究人员发布 Taste-Bench 基准，旨在评估 AI 智能体在长程任务中做出高质量中间决策的能力，即所谓的“品味”。该基准包含 502 个问题，利用历史运行轨迹中的“决策分叉”让模型在不知晓最终结果的情况下选择更优路径。
来源：The Decoder · the-decoder.com