Mga Papel at Pananaliksik

Tatlong AI model lamang ang kumita nang higit sa starting capital sa 500-araw na startup test

Orihinal na pamagat:Only three AI models finished above starting capital in a 500-day startup survival test

AI summary

Inilunsad ng Princeton University ang CEO-Bench benchmark test, kung saan pinapatakbo ang AI agents sa isang simulated environment ng subscription software company na NovaMind sa loob ng 500 araw, na may starting capital na $1 milyon. Sa 14 na modelong sinubukan, tanging ang Claude Fable 5 (pinakamahusay na round na tubo na $47.15 milyon), Claude Opus 4.8 ($27.8 milyon), at GPT-5.5 ($21.3 milyon) lamang ang lumampas sa starting capital sa kanilang pinakamahusay na run. Isang simpleng rule-based heuristic na hindi gumagamit ng language model ang nakamit ang $15.76 milyon sa pamamagitan ng fixed pricing, quota, at targeted development, na lumampas sa lahat ng modelo maliban sa tatlong nabanggit. Karamihan sa mga modelo ay hindi nakapagpanatili ng coherent strategy at nalugi bago matapos ang simulation. Layunin ng test na ito na sukatin ang kakayahan ng AI sa long-term strategic decision-making.

Mahahalagang impormasyon

  • Inilunsad ng Princeton University ang CEO-Bench benchmark test,kung saan pinapatakbo ang AI agents…
  • Sa 14 na modelong sinubukan,tanging ang Claude Fable 5 (pinakamahusay na round na tubo na $47.
  • 15 milyon),Claude Opus 4.
  • 8 milyon),at GPT-5.
  • 3 milyon) lamang ang lumampas sa starting capital sa kanilang pinakamahusay na run.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
The Decoder:AI News(RSS)
Kategorya
Mga Papel at Pananaliksik
AI na marka
70
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

普林斯顿的 CEO-Bench 测试了一个反直觉结果,一个不用 AI 的简单规则系统击败了绝大多数模型——在当前 agent 都在比窄任务时,这个测试直指长期战略决策的致命短板,做 agent 的必须看。

Kaugnay na Entity

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Tatlong AI model lamang ang kumita nang higit sa starting capital sa 500-araw na startup test. 28 Hunyo 2026. https://new.nat6.net/fil/news/cmqxnrjtc004ssljh9zvejgbo/

Tingnan lahat →