ბლოგი

ახალი Taste-Bench: საუკეთესო AI აგენტები გრძელვადიან გადაწყვეტილებებში ძლივს ჯობიან მონეტის გადაგდებას

Microsoft-ისა და ჰონკონგის ქალაქის უნივერსიტეტის მკვლევარებმა შექმნეს Taste-Bench, ბენჩმარკი, რომელიც AI აგენტების გრძელვადიან გადაწყვეტილებებში მსჯელობას ამოწმებს. საუკეთესო მოდელმა, GPT-5.6 Sol-მა, ორობით არჩევანში მხოლოდ 59,7% დააგროვა.