Investigadores de la Universidad de Princeton crearon CEO-Bench, una prueba en la que agentes de IA tienen que gestionar una empresa de software ficticia durante 500 días simulados. La mayoría de los modelos actuales fracasan, y una simple heurística basada en reglas sin inteligencia artificial...
Los nuevos modelos restablecen la frontera entre capacidad y precio-rendimiento. Los equipos reevalúan sobre qué construir cada vez que un lanzamiento cambia lo que es posible por dólar.
Los resúmenes se agregan únicamente con fines informativos; siga el enlace fuente para ver la historia completa. Las entradas de demostración son ilustrativas.