AI领域需要更严格的基准来测试最新AI模型的能力。此次对@Kaggle游戏竞技场的更新，增加了狼人和扑克（对局）以及国际象棋，为我们提供了新的客观衡量标准，以评估在不确定性下的规划和决策等现实世界技能。

与最终饱和的标准问答风格基准不同，这些测试会随着模型的进步而自动变得更难。能够拥有这些可验证的方式来衡量向AGI的进展真是太好了。目标是增加数百个涵盖智能各个方面的游戏，并设立一个整体排行榜。

很高兴看到我们最新的 Gemini 3 模型在国际象棋排行榜上名列前茅——自基准首次发布以来，进步非常迅速！请注意，所有模型仍然只在弱业余水平上进行比赛，因此仍需大量改进。