The Decoder· Jonathan Kemper·· 2 小时前精选AI 评分55
Taste-Bench 基准显示 AI 智能体长周期决策品味欠佳
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
Pan 等人提出 Taste-Bench 基准，从 SWE-bench Pro 和 METR 的 MALT 转录数据中提炼 502 个路径分叉点，让模型在每个分叉点从两条路径中选择更优方向。
推荐理由
文章把端到端测试看不到的长路径选择问题量化成基准，并展示用知识蒸馏即可显著提升智能体判断力的做法，对评估长周期智能体有参考价值。
来源：The Decoder · the-decoder.com