摘要
现有基准测试多关注孤立认知任务，忽视了真实高管决策中整合冲突建议、信息不对称及时间依赖等挑战。本文提出 CEO-Bench，一个多智能体基准，评估 LLM 在多轮约束环境中进行战略资源重新分配的能力。智能体需综合四位拥有私有信号的高管顾问的冲突建议，生成具体分配计划。实验发现，虽然模型结构有效性高，但在战略校准上表现不佳，存在单一顾问主导、保守默认及历史遗忘等系统性失败模式，揭示了深度整合观点与果断行动之间的权衡。
AI 推荐理由
论文核心评估 LLM 在复杂约束下进行战略资源重新分配的多步规划与决策能力。
研究机构
Yale University
论文信息