500-दिन स्टार्टअप परीक्षण में केवल तीन AI मॉडलों ने शुरुआती पूँजी से अधिक लाभ कमाया
मूल शीर्षक:Only three AI models finished above starting capital in a 500-day startup survival test
AI सारांश
Princeton University ने CEO-Bench बेंचमार्क पेश किया, जिसमें AI एजेंट सिम्युलेटेड वातावरण में सदस्यता सॉफ़्टवेयर कंपनी NovaMind को 500 दिन तक चलाते हैं, शुरुआती पूँजी 1 मिलियन डॉलर है। 14 परीक्षण किए गए मॉडलों में से केवल Claude Fable 5 (सर्वश्रेष्ठ रन में 47.15 मिलियन डॉलर लाभ), Claude Opus 4.8 (27.8 मिलियन डॉलर) और GPT-5.5 (21.3 मिलियन डॉलर) ने अपने सर्वश्रेष्ठ रन में शुरुआती पूँजी से अधिक कमाया। एक सरल नियम-आधारित ह्यूरिस्टिक विधि, जो भाषा मॉडल का उपयोग नहीं करती, निश्चित मूल्य निर्धारण, कोटा और लक्षित विकास के माध्यम से 15.76 मिलियन डॉलर तक पहुँची और उपरोक्त तीन के अलावा सभी मॉडलों से आगे रही। अधिकांश मॉडल सुसंगत रणनीति बनाए नहीं रख सके और सिम्युलेशन समाप्त होने से पहले दिवालिया हो गए। यह परीक्षण AI की दीर्घकालिक रणनीतिक निर्णय क्षमता मापने के लिए है।
मुख्य जानकारी
- Princeton University ने CEO-Bench बेंचमार्क पेश किया,जिसमें AI एजेंट सिम्युलेटेड वातावरण में…
- 15 मिलियन डॉलर लाभ),Claude Opus 4.
- 8 मिलियन डॉलर) और GPT-5.
- 3 मिलियन डॉलर) ने अपने सर्वश्रेष्ठ रन में शुरुआती पूँजी से अधिक कमाया। एक सरल नियम-आधारित…
- 76 मिलियन डॉलर तक पहुँची और उपरोक्त तीन के अलावा सभी मॉडलों से आगे रही। अधिकांश मॉडल सुसंगत रणनीति…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- The Decoder:AI News(RSS)
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 70
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。
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: 500-दिन स्टार्टअप परीक्षण में केवल तीन AI मॉडलों ने शुरुआती पूँजी से अधिक लाभ कमाया। 28 जून 2026। https://new.nat6.net/hi/news/cmqxnrjtc004ssljh9zvejgbo/