**CEO-Bench：AI智能体能否胜任长期CEO任务？**

_CEO-Bench: Can Agents Play the Long Game?_

> CEO-Bench是一项新基准，评估语言模型智能体在模拟运营初创公司500天的长期任务中的能力。智能体需在不确定环境中进行定价、营销、预算等决策，考验其长期规划、噪声信息获取、适应变化和多任务协调能力。即使最先进的模型也表现挣扎，仅Claude Opus 4.8和GPT-5.5能维持初始资金100万美元以上，但未能持续盈利。该基准为衡量AI驱动持续自适应进步所需的智能迈出了第一步。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.18543)