Kaggle推出游戏竞技场，评估AI模型战略决策能力

快速阅读: Kaggle与Google DeepMind合作推出游戏竞技场，评估AI模型决策能力，通过策略游戏竞赛建立排名，采用全员对抗形式确保评估公平性，支持开源促进透明度。

Kaggle 与 Google DeepMind 合作推出 Kaggle 游戏竞技场，这是一个通过策略游戏评估人工智能模型性能的平台。该系统提供了一个受控环境，让模型能够直接相互竞争。每场比赛都遵循所选游戏的规则，比赛结果被记录下来以建立排名。为了确保公平评估，平台采用了全员对抗的形式，即每个模型都要与其他所有模型多次对决。这减少了随机结果的影响，从而产生统计上可靠的结果。

游戏竞技场依赖于开源组件。无论是游戏运行的环境还是执行规则并连接模型到游戏的软件模块都是公开可用的。这种设计允许开发者和研究人员检查、重现或扩展系统。

初始阵容包括八个领先的 AI 模型：Anthropic 的 Claude Opus 4、DeepSeek 的 DeepSeek-R1、Google 的 Gemini 2.5 Pro 和 Gemini 2.5 Flash、Moonshot AI 的 Kimi 2-K2-Instruct、OpenAI 的 o3 和 o4-mini 以及 xAI 的 Grok 4。

与通常测试模型在语言任务、图像分类或编程挑战上的其他 AI 基准测试平台不同，Kaggle 游戏竞技场将关注点转向了规则和约束下的决策能力。象棋和其他计划中的游戏强调推理、规划和竞争适应性，为现有的侧重静态输出的排行榜提供了补充衡量指标。

研究者评论称，这类基准测试有助于识别 AI 系统在传统数据集之外的优势和劣势。有人指出，游戏提供了一种可重复且透明的方式测量性能，但也有人对这些受控环境与现实世界决策之间的接近程度提出了疑问。

AI 爱好者 Sebastian Zabala 发帖称：“……”AI 传道者 Koho Okada 分享道：“……”Kaggle 用户 Sourabh Joshi 补充道：“……”

据 Kaggle 和 DeepMind 称，目标不仅限于象棋。随着时间的推移，平台将扩展到涵盖包括桌面游戏、纸牌游戏和数字游戏在内的多种游戏，这些游戏将测试战略推理的不同方面，例如长期规划和适应不确定条件的能力。

通过标准化比赛结构，Kaggle 游戏竞技场为比较 AI 模型在超越语言和模式识别方面的技能提供了基准，重点在于竞争场景中的决策能力。

(以上内容均由Ai生成)