Yapay zeka temsilcilerinin uzun vadeli kararlarda kötü bir zevki var ve yeni bir ölçüt bunu kanıtlıyor
Özgün başlık: AI agents have bad taste in long-term decisions and a new benchmark proves it
Taste - Bench adı verilen yeni bir ölçüt, yapay zeka temsilcilerinin uzun süredir devam eden görevler sırasında ne kadar iyi stratejik seçimler yaptığını test ediyor. En iyi model olan GPT-5.6 sol bile, basit ikili soruların yüzde 60 'ından biraz daha azında doğru yolu seçer.
Daha uzun düşünmek işe yaramaz. Yapay zeka ajanları makalesinin uzun vadeli kararlarda kötü bir zevki var ve yeni bir ölçüt, The Decoder'da ilk ortaya çıktığını kanıtlıyor.
A new benchmark called Taste-Bench tests how well AI agents make strategic choices during long-running tasks. Even the best model, GPT-5.6 Sol, picks the right path on just under 60 percent of simple binary questions.
Thinking longer doesn't help. The article AI agents have bad taste in long-term decisions and a new benchmark proves it appeared first on The Decoder .
Un nuevo punto de referencia llamado Taste-Bench prueba qué tan bien los agentes de IA toman decisiones estratégicas durante las tareas de larga duración. Incluso el mejor modelo, GPT-5.6 Sol, elige el camino correcto en poco menos del 60 por ciento de las preguntas binarias simples.
Pensar más no ayuda. Los agentes de IA del artículo tienen mal gusto en las decisiones a largo plazo y un nuevo punto de referencia demuestra que apareció primero en The Decoder .
Новый бенчмарк под названием Taste-Bench проверяет, насколько хорошо ИИ-агенты делают стратегический выбор во время выполнения долгосрочных задач. Даже самая лучшая модель, GPT-5.6 Sol, выбирает правильный путь для чуть менее 60 процентов простых бинарных вопросов.
Длительные размышления не помогают. Статья Агенты ИИ имеют плохой вкус к долгосрочным решениям, и новый бенчмарк доказывает, что он впервые появился в The Decoder .