El campo de la IA necesita estándares más rigurosos para evaluar las capacidades de los últimos modelos de IA. Esta actualización de @Kaggle Game Arena con hombre lobo y póker (cara a cara) además de ajedrez, nos proporciona nuevas medidas objetivas de habilidades del mundo real como la planificación y la toma de decisiones bajo incertidumbre.

A diferencia de los benchmarks estándar de preguntas y respuestas que eventualmente se saturan, estas pruebas se vuelven más difíciles a medida que los modelos mejoran. Es genial tener estas formas verificables de medir el progreso hacia la AGI. El objetivo es añadir cientos de juegos que cubran muchos aspectos de la inteligencia, con una tabla de clasificación general.

También es genial ver nuestros últimos modelos Gemini 3 en la cima de la tabla de clasificación de ajedrez: ¡increíble mejora rápida desde que se lanzó el benchmark por primera vez! Tenga en cuenta que todos los modelos todavía solo juegan a un nivel débil de aficionado, por lo que se necesita mucha mejora.