Taste-Bench 基准发布：最佳模型仅得 59.7%
热点事件持续更新
Taste-Bench 基准发布：最佳模型仅得 59.7%
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
新基准 Taste-Bench 发布，用于测量 AI 智能体在编码和 AI 研究任务中的长期决策品味，测试了来自 Claude、GPT、Grok、DeepSeek、GLM、MiniMax 和 Mistral 家族的 14 个模型。结果显示智能体长期决策能力薄弱，最佳模型仅得 59.7%。 该基准由 502 个决策分叉问题构成，考察智能体在多步任务中做出长期有利选择的能力。
AI 根据报道生成 · 3 小时前更新
最新进展10月18日 16:49
Taste-Bench 基准揭示 AI 智能体长期决策能力薄弱，最佳模型仅得 59.7%报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder：AI NewsTaste-Bench 基准揭示 AI 智能体长期决策能力薄弱，最佳模型仅得 59.7%
新基准 Taste-Bench 通过 502 个决策分叉问题，测量智能体在编码和 AI 研究任务中的长期决策品味，测试了来自 Claude、GPT、Grok、DeepSeek、GLM、MiniMax 和 Mistral 家族的 14 个模型。结果显示智能体长期决策能力薄弱，最佳模型仅得 59.7%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月18日 18:00
- 近 24 小时变化
- –
02.557.510
18:0019:0020:00
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。