The Decoder· Jonathan Kemper·· 3 小时前AI 评分51
Taste-Bench：长程决策中的 AI 智能体判断力仍接近随机
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
论文 Taste-Bench 用 502 道二元选择题测试 14 个 Claude、GPT、Grok、DeepSeek、GLM、MiniMax 和 Mistral 系列模型在 Agent 运行轨迹分叉处挑选更优方向的能力。
来源：The Decoder · the-decoder.com