Uma nova avaliação, denominada Taste-Bench, foi desenvolvida para analisar a capacidade de agentes de inteligência artificial na tomada de decisões estratégicas em tarefas que se estendem por um período prolongado. Os resultados obtidos indicam que os modelos de IA demonstram dificuldades consideráveis neste tipo de cenário.

O estudo revelou que até mesmo o GPT-5.6 Sol, considerado o modelo mais avançado testado, consegue selecionar a opção correta em pouco menos de 60% das questões binárias mais básicas apresentadas. Este desempenho sugere uma lacuna significativa na habilidade das IAs de lidar com o planejamento e as consequências de ações a longo prazo.

Desempenho da IA em escolhas estratégicas

A metodologia da Taste-Bench foca em simulações que exigem dos agentes de IA a consideração de resultados futuros, não apenas respostas imediatas. Ao contrário do que se poderia esperar, a prolongação do tempo de processamento ou 'pensamento' por parte da inteligência artificial não demonstrou melhorias no desempenho.

Os achados sublinham que a capacidade de antecipar e planejar com eficácia, característica crucial para decisões estratégicas, ainda é um desafio para as atuais arquiteturas de IA. A pesquisa abre caminho para futuras investigações e desenvolvimentos focados em aprimorar este aspecto nos sistemas inteligentes.