Taste-Bench基准测试评估AI长期决策能力

1. 16:49
   The Decoder

   Taste-Bench：评估AI长期决策能力的基准测试

   Taste-Bench基准测试旨在评估AI在长期决策中的“品味”，通过分析模型在决策过程中的步骤质量而非最终结果。测试结果显示，即使是顶级模型GPT-5.6 Sol，在60%的情况下也难以选择出更好的决策路径。此外，研究人员还发现，通过训练，AI的长期决策能力可以得到提升。

当前热度 9·可比范围峰值 10（10月18日 18:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。