מדד Taste-Bench: סוכני AI מתקשים בהחלטות אסטרטגיות לטווח ארוך
חוקרים ממיקרוסופט ומ-City University of Hong Kong בנו את Taste-Bench, מדד שבודק אם סוכני AI בוחרים בכיוון הנכון באמצע משימה ארוכה. המודל המוביל, GPT-5.6 Sol, ענה נכון על 59.7% בלבד משאלות של בחירה בין שתי אפשרויות. גם תקציב חשיבה גדול יותר כמעט לא שיפר את התוצאות.