AI Evaluation

CEO-Bench 真正说明的不是 AI 能不能当 CEO，而是长周期决策有多难

把 14 个顶级模型放进 500 天的订阅软件公司模拟里，最有价值的结论是：长周期、强反馈、持续校准，才是 Agent 的硬门槛。