AI 領域需要更嚴格的基準來測試最新 AI 模型的能力。這次對 @Kaggle Game Arena 的更新，新增了狼人和撲克（單挑）以及棋類遊戲，為我們提供了新的客觀衡量標準，以評估在不確定性下的規劃和決策等現實世界技能。

與最終會飽和的標準問答風格基準不同，這些測試會隨著模型的進步自動變得更難。能夠擁有這些可驗證的方式來衡量朝向AGI的進展真是太好了。目標是增加數百個涵蓋智力各個方面的遊戲，並設置一個總體排行榜。

看到我們最新的 Gemini 3 模型在棋類排行榜上名列前茅也很酷——自基準首次推出以來進步驚人！請注意，所有模型仍然只在弱業餘水平下進行比賽，因此還需要大量改進。