為何簡單的規則腳本能在經營初創公司上擊敗 Claude 3.5 和 GPT-4o

普林斯頓大學研究人員發布了 CEO-Bench，以測試 AI 模型是否具備長期規劃所需的「操控智慧」（steering intelligence）。在基準測試中，模型管理了一個訂閱新創公司，模擬 500 天，做出定價、廣告和研發的決策，同時處理延遲回饋和客戶滿意度等隱藏變數。儘管可以使用強大的程式碼執行和 SQL 工具，但近乎所有前沿模型都宣告破產，而一個基本的非 AI 啟發式腳本卻能持續獲利。研究表明，當前 AI 代理在雜訊環境中難以將短期行動與長期後果聯繫起來，凸顯任務自動化與高階管理能力之間的顯著差距。