研究者提出Taste-Bench评测智能体长期决策品味

研究者提出名为 Taste-Bench 的评测基准，用轨迹分叉处的二选一问题衡量 AI 智能体的长期决策“品味”，共 502 道题，数据取自 SWE-bench Pro 和 METR 的 MALT 等编码与 AI 研究任务。据 The Decoder 报道，该基准显示 AI 智能体在长期决策品味上表现不足。 研究者称，基准与代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。