Estudo testa agentes de IA em apostas de corridas de cavalos — e todos perdem dinheiro
Um novo benchmark académico, "JockeyBench", avaliou agentes de IA a prever resultados de corridas de cavalos japonesas e descobriu que nenhuma das 28 configurações testadas foi rentável.
A equipa testou dois métodos — um agente que escreve um programa preditor usado repetidamente, e outro que recolhe provas novas para cada corrida — em 324 corridas reais, medindo a qualidade da previsão, uma métrica de utilidade e o retorno sob regras fixas de apostas. Sete revisões melhoraram os resultados e duas pioraram-nos, mas todas as configurações tiveram lucro médio negativo.
O método que reutiliza um programa já escrito teve, em média, lucro maior e custos de investigação menores do que o método que recolhe provas em cada corrida, ainda que ambos tenham perdido dinheiro no global. Submetido ao arXiv a 14 de outubro, destacado no Hugging Face Papers Daily a 26 de outubro.
Fontes
- arXiv arxiv.org
- Hugging Face Papers huggingface.co
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.