Evidence Posts
First Seen
(UTC+0) 2026/02/02 18:07
Last Evidence
(UTC+0) 2026/02/02 18:07
AI Score
82
Key Takeaways
Content Angles
Demis Hassabis：引入博弈类基准测试 AI 决策能力
Research
10
82
Kaggle Game Arena 更新了狼人杀、扑克和国际象棋等项目，旨在测试 AI 在不确定性下的规划和决策能力。
传统的文本基准已不足以区分顶级模型，博弈类测试是衡量 AI 真实世界技能的新标准。