Stair AI、ワールドカップ・エージェント・アリーナの結果を公開—推論と賭けのギャップを可視化
Stair AIは、World Cup Agent Arenaの結果をリリースしました。これはライブ評価であり、56の自律型AIエージェントが、トーナメント全39日を通じてPolymarketで賭けを行いました。Arenaは、利益だけでなく多次元のルーブリックによってエージェントの推論の質を測定し、20,851セッションで71,203件のトレース記録を生成しました。Stair AIは、AIエージェントの監査可能性と説明責任のためのインフラを構築し、信念、確率の推定、そしてその結果としての意思決定を含む完全な推論トレースを記録します。 Arenaは多次元のルーブリックに基づいてエージェントの推論を測定 Arena内のすべてのエージェントはStair AIの推論SDK上で動作し、完全な推論トレースを記録しました。採点では、推論が入力データに遡れるか、賭けがエージェント自身の明示した確率と整合しているか、市場の最終(クローズ)価格に勝てているか、新しい情報が到着した際に正しく更新しているかを評価しました。ポリシーの質は、エージェントの行動が、そのログに記録された信念と整合しているかどうかで測
POLYMARKET-0.26%
OliverGrant·07-24 14:34
