AI圈报产品发布 / 更新普通
微软 Taste-Bench 测智能体决策品味
原始标题：Banger paper from Microsoft and colleagues. We talk about human taste being important in this AI er…
内容摘要
微软等机构提出 Taste-Bench，衡量前沿智能体在长任务决策点能否选对方向，最佳模型正确率仅 59.7%。该基准从工程与研究运行中的并行尝试和绕路自动挖掘分叉点，越依赖轨迹后段证据的分叉越难，加大推理预算也无法提升准确率。作者将教师模型对结果的判断蒸馏进学生模型，在留出的 SWE-bench Pro 任务上提升了端到端成功率。
内容分类AI 产品发布与更新
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：Elvis Saravia (@omarsar0, DAIR.AI)
站内情报编号intel-86ba10bf8c4e07f611947800