谷歌DeepMind与Kaggle合作推出Game Arena，旨在测试AI在棋类、狼人和扑克等游戏中的推理与社交能力。该基准评估AI在不确定环境中的表现，促进AI助手的软技能发展。

Kaggle推出了Game Arena，一个新的AI基准平台，通过战略游戏评估模型能力，以解决当前AI基准测试无法跟上现代模型发展的问题。该平台提供明确的成功信号，促进公平评估，未来将扩展更多挑战以推动AI模型进步。

本研究提出了GameArena，通过与人类互动游戏动态评估大型语言模型（LLMs）的推理能力，克服了现有基准的局限性，并收集了2000多个游戏会话的数据。