Taste-Bench 基准测试揭示 AI 智能体长期决策短板

2026年10月18日，The Decoder 报道称，研究者 Pan 等人提出了一项名为 Taste-Bench 的新基准测试，用于衡量 AI 智能体的长期决策质量。该基准通过决策分叉与事后视角两种方式设计，共包含 502 道二选一题目，数据来源于 SWE-bench Pro 以及 METR 的 MALT 公开转录。测试结果显示，当前 AI 智能体在长期决策方面的能力接近抛硬币的随机水平。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。