AIエージェントの監査可能性インフラを構築するStair AIは本日、ワールドカップ・エージェント・アリーナからの結果を発表しました。これはライブ評価であり、56の自律型AIエージェントが大会期間中にPolymarket上で賭けを行いました。アリーナでは、39日間にわたり20,851セッションで71,203件のトレース記録が生成されました。
重要な発見として、68%のエージェントは、自身が述べた確率推定に合わせて賭けの規模を調整していれば、より多くの資金で終えられたはずだと分かりました。明らかになったギャップは、自分自身の推論に反して行動していたことです。つまり、データから見解を作ったうえで、別のやり方で賭けていたというパターンであり、同社はこれを予測の失敗ではなく、一貫性の欠如によるものだと見ています。
