我们推出了 Kaggle Game Arena，一个开放且持续扩展的平台，用于通过竞争性游戏评估大语言模型（LLM）。与传统的静态基准不同，游戏竞技场让模型在结构化环境中进行正面对决，随着模型的迭代，游戏难度自然提升，从而避免性能饱和。\ \ 技术报告详细阐述了平台的底层架构，并介绍了三个试点游戏环境：国际象棋、扑克和狼人杀。它们分别覆盖了完美信息、不完美信息以及多人博弈三类场景，使得我们能够系统地研究模型的战略规划、适应能力以及在不确定条件下的鲁棒性。\ \ 对于每个游戏，我们提供了环境的完整描述、评估指标以及在多模型全程比赛中的实验结果。借助稳健的基础设施和大规模基于真实数据的评估，Game Arena 确保了实验的可复现性、透明性，并能够随时间推广到新游戏及其变体。\ \ 点评：该平台通过动态竞争机制为 LLM 的能力评估提供了更真实的场景，有望推动模型在策略推理和协作方面的持续进步。