微软发布 Taste-Bench：前沿 Agent 选对方向概率不足 60%
omarsar0 · x · 2026-09-25
微软等机构发布 Taste-Bench 基准，考察递归自我改进中 Agent 的「品味」——在长任务的决策分叉点，模型能否选出更好的方向。
- 分叉自动从工程/研究运行的平行尝试与绕路中挖掘，每个问题给出轨迹中的开放分叉点，其中一条通向更好结果
- 最佳模型正确率仅 59.7%
- 决定性证据在轨迹后段出现的分叉明显更难，更大的推理预算并不能提升准确率
- 作者将教师模型对结果的判断蒸馏到学生模型，在 held-out 任务的端到端成功率上有提升
「编程与Agent」频道最新
- Explosion 发布 Ellf 目录：52 个 NLP 模板与多智能体标注工作流 — _inesmontani · 2026-11-11
- 梗图吐槽:所谓随机 AI Agent 架构就是换了马甲的马尔可夫链 — PrasoonPratham · 2026-11-11
- OpenCode 上线 Gemini 4 Carbon 与 Claude Fable 5.2 — dean_rie · 2026-11-11
- OpenClaw 发布 v2026.11.3 安全补丁，56 个 PR 修复凭证泄露 — dean_rie · 2026-11-11
- Fable 5.2 首日拿下编码 Agent 中 1/4 的 Claude 回复 — dean_rie · 2026-11-11
- QA 工程师想用 MCP Agent 自动验证归因回传，替代每两周半天的人工检查 — Soobhee_Chukwutosin · 2026-11-11