#Taste-Bench

共 3 条 · 7 天 0 条 · 30 天 1 条

智能体 3 推理模型 2 Agensh 1 dair-ai 1 GPT-5.6 1 Microsoft 1 SWE-bench Pro 1 基准测试 1

信息流里打上「Taste-Bench」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月18日

模型 Agent 与开发者16:59

Taste-Bench 测试 AI 智能体长期决策能力，GPT-5.6 Sol 正确率不足 60%

Taste-Bench 这个新基准挺有意思，连最强的 GPT-5.6 Sol 简单二选一都做不对六成，还证明了让模型多想一会儿也没用。

#Taste-Bench #GPT-5.6 #智能体 #基准测试

官方账号Decoder@Jonathan Kemper原文

10月5日

论文 Agent 与开发者00:50

dair-ai 每周论文精选：JAZ、CASD、Agensh 等 7 篇上榜

这周值得刷的 7 篇论文都在这儿了，做智能体评测的可以先看 Agensh 和 Taste-Bench。

#dair-ai #Agensh #Taste-Bench #智能体

DAIR.AI@dair_ai原文

9月25日

论文 Agent 与开发者精选73°22:03

Microsoft 提出 Taste-Bench：智能体在任务分叉点仅 59.7% 选对方向

Microsoft 这篇论文做了个 Taste-Bench，专门考智能体在任务分叉时选路的品味，最强模型也就答对 59.7%，还发现加大推理预算没用。

#Taste-Bench #Microsoft #智能体 #SWE-bench Pro

elvis@omarsar0原文