The Decoder· Jonathan Kemper·· 3 小时前AI 评分57
Taste-Bench 评测显示 AI 智能体长期决策能力接近随机猜测
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
Pan 等研究者提出 Taste-Bench，用事后回溯方式评估 AI 智能体在长期任务中的决策质量，共 502 道二选一题目，数据来自 SWE-bench Pro 和 METR 的 MALT 公开转录。
来源：The Decoder · the-decoder.com