**The Tasteful Agent：长程任务中智能体「品味」的测量与提升**

_The Tasteful Agent: Measuring and Improving Taste in Long-Horizon Tasks_

> 论文提出用「品味」（taste）描述智能体在长程任务中做关键决策的能力，例如选择验证哪个假设、基于哪个实现继续推进，这类决策往往决定整个任务的成败。为此作者构建 Taste-Bench：从工程与研究任务的智能体轨迹中自动挖掘「决策分叉点」，来源包括同一任务的多条并行尝试和单条轨迹中的绕路，无需人工标注；被测模型在看不到分叉后结果的情况下选择方向。评测显示，最强前沿模型仅答对 59.7% 的问题；决定证据出现在轨迹越晚处的分叉对所有模型都越难，且增大推理预算并不能提升准确率。研究进一步表明「品味」可以训练：把已见过结果的教师模型判断蒸馏到学生模型后，学生在未见任务上决策更优，并在留出的 SWE-bench Pro 任务上提升了端到端成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.25804)