永利皇宫官网,永利皇宫赌场,永利皇宫娱乐城,永利皇宫注册,永利皇宫,永利皇宫app,永利皇宫发财车,永利赌场,永利集团,永利娱乐城,永利娱乐场,永利澳门,永利博彩,澳门永利皇宫博彩官网,网上澳门彩官网,澳门永利

　　Google DeepMind近期宣布对其公开基准测试平台Game Arena（Game Arena）进行重大升级，正式引入两款经典策略游戏：“狼人杀”（Werewolf）和“德州扑克”（Poker）。此举标志着AI性能评估从简单的逻辑运算（如国际象棋）转向复杂的社会推理和不确定性决策。

　　DeepMind认为，传统的测试已不足以区分顶级模型之间的细微差别。新增游戏旨在从不同维度测试AI的认知能力：

　　根据最新的Elo排名，Google新一代模型Gemini 3 Pro和Gemini 3 Flash表现出强大的实力，在所有国际象棋和策略游戏中名列前茅。令人惊讶的是，轻量级的Flash模型在一些需要快速迭代和即时反馈的游戏中表现出色，而Pro模型在深度规划方面保持优势。

　　除了性能展示外，DeepMind还强调了“狼人杀”（Werewolf）基准测试在AI安全领域的潜力。该场景模拟了现实世界中的操纵行为检测，使模型能够在受控环境中学习识别恶意引导，而不会产生实际后果。Google DeepMind首席执行官Demis Hassabis表示，随着模型能力呈指数级增长，业界迫切需要这种具有挑战性的、面向现实的“压力测试”。

　　目前，Game Arena已在Kaggle平台上线，开发者可以在这里实时观察顶级模型在这些高压社交游戏中的表现。

　　DeepMind曾开发AlphaGo，并在AI领域持续创新。近年来，DeepMind致力于提升AI的安全性与可靠性，例如通过红队网络安全测试团队测试来发现潜在风险。