Kaggle 推出 Game Arena:用国际象棋、德州扑克、狼人杀对抗评测 LLM
kaggle · hf · 2026-09-28
Kaggle 发布 Game Arena,一个通过竞技游戏评测 LLM 的开放平台技术报告。
- 核心思路:不同于静态 benchmark,让模型在结构化环境中一对一对抗,随模型进化对局强度自然提升,避免性能饱和
- 三个试点环境:国际象棋(完全信息)、扑克(不完全信息)、狼人杀(多人博弈),系统性考察战略规划、适应性与不确定性下的鲁棒性
- 每个游戏提供环境说明、评测指标与全量比赛结果
- 基础设施强调可复现、透明、可泛化到新游戏与变体,用大规模 ground-truth 评估
所属事件:Kaggle Game Arena:用棋牌游戏评测LLM防饱和(4 条相关)→
「模型」频道最新
- MazeBench token 效率榜:Fable 5.2 领先,将跑满 10 亿 token 验证 — patience_cave · 2026-11-16
- Fable 5.2 解谜好到可疑:仍答对已被更新作废的旧版迷宫答案 — patience_cave · 2026-11-16
- MazeBench 新高:Fable 5.2 花费 90 小时和 6000 美元跑出 21% 登顶 — patience_cave · 2026-11-16
- 腾讯 Hy4 flash 与 internlm Sage-S2.1-Flash 同日发布,实测征集 — MajesticPuzzler · 2026-11-16
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16