Taste-Bench评估智能体长期决策
热点事件持续更新
Taste-Bench评估智能体长期决策
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队发布并公开Taste-Bench基准及代码，用于评估AI智能体能否在不知道后续运行轨迹时选择更优路径。基准包含502道基于编码和AI研究任务的二选一问题；14个受测模型的最高平均准确率为59.7%。 研究团队还测试了基于Qwen3.6-27B蒸馏的判断模型：其在未见任务上的准确率从30%提高至47.9%，在41个留出的SWE-bench Pro任务中，将智能体成功率从14.6%提高至33.7%。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
Taste-Bench评估AI智能体的长期决策判断能力报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The DecoderTaste-Bench评估AI智能体的长期决策判断能力
研究团队推出Taste-Bench，通过让模型在看到后续轨迹前选择更优路径，评估AI智能体的长期决策“品味”。该基准包含502道二选一问题，来自编码和AI研究任务中的智能体运行轨迹；测试的14个模型最高平均准确率为59.7%。基于Qwen3.6-27B蒸馏的判断模型在未见任务上的准确率由30%升至47.9%，并在41个留出的SWE-bench Pro任务中将成功率从14.6%提高到33.7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。