新基准测试显示AI智能体长期决策能力不足
发生了什么
据The Decoder报道，Taste-Bench基准测试显示AI智能体在长期任务中的战略选择能力较差。即使是GPT-5.6 Sol模型，在简单二元问题上的正确率也不足60%，且延长思考时间无助于提升表现。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口
据The Decoder报道，Taste-Bench基准测试显示AI智能体在长期任务中的战略选择能力较差。即使是GPT-5.6 Sol模型，在简单二元问题上的正确率也不足60%，且延长思考时间无助于提升表现。
发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。