בלוג

Taste-Bench חדש: סוכני AI הטובים ביותר בקושי עולים על הטלת מטבע בהחלטות ארוכות טווח

חוקרים מ-Microsoft ומאוניברסיטת העיר הונג קונג יצרו את Taste-Bench, בנצ'מארק שבודק את השיפוט של סוכני AI בהחלטות ארוכות טווח. המודל הטוב ביותר, GPT-5.6 Sol, צבר רק 59,7% בבחירה אקראית.