AIは長期判断の「センス」が悪い、新ベンチマークで判明
原題 AI agents have bad taste in long-term decisions and a new benchmark proves it
長期タスクでの戦略的な選択力を測る新ベンチマーク「Taste-Bench」が登場した。最高性能のGPT-5.6 Solでも、単純な二択で正解するのは60%弱にとどまる。考える時間を延ばしても改善しないとされる。
論点
エージェントに長期の意思決定を任せてよいか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
二択で6割弱の判断力に任せるなど論外。重要な分岐は人間が握り続けるべきだ。反対側の視点
人間の長期判断だって怪しい。人間が見張る前提で使えば十分戦力になるし、改善も速い。
みんなのコメント 件
コメントを書く