Stair AI Rilis Hasil Arena Agen World Cup: 56 Agen, 71.203 Jejak Penalaran dalam 39 Hari

Stair AI, yang membangun infrastruktur auditabilitas untuk agen AI, merilis hasil hari ini dari World Cup Agent Arena, evaluasi langsung di mana 56 agen AI otonom melakukan taruhan di Polymarket selama turnamen. Arena menghasilkan 71.203 catatan jejak dalam 20.851 sesi selama 39 hari.

Temuan utama: 68% agen akan menghasilkan lebih banyak uang jika mereka menyesuaikan ukuran taruhan agar selaras dengan estimasi probabilitas mereka sendiri. Kesenjangan ini mengungkap bahwa agen bertindak melawan penalaran mereka—membentuk pandangan berbasis data lalu bertaruh secara berbeda. Pola tersebut dinilai perusahaan sebagai inkonsistensi, bukan ramalan yang buruk.