The Decoder· Jonathan Kemper·· 4 小时前AI 评分60
新基准 Taste-Bench 显示 AI 智能体长期决策判断力不足
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
论文作者提出 Taste-Bench，用决策分叉衡量智能体在长期任务中的判断力，即他们所称的 taste。该基准包含 502 道题，来自 SWE-bench Pro 和 METR 的 MALT 等数千次智能体运行记录，每题让模型在两条路径中二选一。
来源：The Decoder · the-decoder.com