游戏竞技场增加了"狼人"和扑克
Google DeepMind和Kaggle的Game Arena测试平台已经达到了一个新的水平:两款非常规游戏——"狼人"和扑克游戏被添加到熟悉的围棋中. 这不仅仅是娱乐,而是试图使AI评价更接近现实世界的情景,其中不仅计算重要,而且在社会环境中的行为也重要.
国际象棋仍然是测试逻辑和战略思维的金本位. 而"狼人"则完全是关于别的东西. 在这里,模型需要检测欺骗,监控其他玩家的行为,并建立信任. 扑克增加了另一个复杂的要素——在不完整信息下的决策,其中隐藏一些数据,必须在苍蝇上计算风险.
现在开发者有一个统一的空间,可以比较广泛的AI认知能力——从纯数学到情感智能.
新的检测结果是什么?
平台上的每款游戏负责一套特定的技能. 逻辑,社会互动,风险管理——所有这一切都可以以统一的格式评估,并用来相互比较模型.
- 围棋 ——测试制定长期计划和计算变化的能力.
- "狼人"(英语:Werewolf). ——评估社会智能:谁在撒谎,谁在说真话,以及能否识别操纵者.
- 扑克运动员 ——利用不完整的信息,估算概率,管理风险.
证明“狼人”是研究AI安全的便利环境。 在安全的虚拟环境中,模型学会了发现操纵并抵抗它. 这是一个重要的步骤,以确保未来的系统不会落入现实世界对话情景中的恶意伎俩。
双子座3 Pro and Flash——各类领导人
扩展平台后,开发人员立即更新了排名. Google的模型——双子座3 Pro和 Gemini 3 Flash ——在所有游戏学科中占据了顶尖位置. 这表明它们结合了逻辑,社会理解,以及以平衡的方式与不确定性合作的能力.
Google DeepMind CEO Demis Hassabis认为经典基准不再能提供现代AI能力的完整画面. 需要更严格、更多样化的挑战,将模型置于复杂、类似生命的条件下。 类似Game Arena这样的基于游戏的测试就是这种工具之一.
双子座3 Pro和Flash在新挑战中的成功是一个好兆头. 这意味着Google对培训模式采取的做法,不仅注重知识,而且注重行为情景,正在产生结果。 竞争者能否升至 在下一轮的比赛中,这个挑战。
