THE DECODER· Jonathan Kemper·· 3 小时前AI 评估 · 63/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
新基准 Taste-Bench 测出 AI 智能体长期决策判断力不足
AI agents have bad taste in long-term decisions and a new benchmark proves it
AI 导读
研究者提出 Taste-Bench，用 502 道二选一题目考察智能体在决策分叉点上的长期判断力，最佳模型 GPT-5.6 Sol 准确率仅 59.7%，接近随机猜测。
来源：THE DECODER · the-decoder.com