Исследователи Google DeepMind запустили Game Arena — бенчмарк с настольными играми для тестирования LLM.

Команда разработчиков считает, что если у создателей LLM будет стандартизированный бенчмарк, то языковые модели быстрее научатся играть в шахматы и другие игры — Хабр Новости