计算机科学 > 人工智能
[提交于 2025年8月5日
(此版本)
, 最新版本 2025年8月18日 (v3)
]
标题: 桌游竞技场:通过战略博弈评估大型语言模型的框架和基准
标题: Board Game Arena: A Framework and Benchmark for Assessing Large Language Models via Strategic Play
摘要: 该Board Game Arena库提供了一个框架,通过Google OpenSpiel库中实现的战略棋盘游戏来评估大型语言模型(LLMs)的决策能力。 该框架通过包装多种棋盘和矩阵游戏并支持不同的代理类型,使LLM代理与其他代理(随机、人类、强化学习代理等)在各种游戏场景中进行系统比较。 它通过LiteLLM集成对模型的API访问,通过vLLM实现本地模型部署,并通过Ray提供分布式执行。 此外,它还提供了用于LLM推理轨迹的广泛分析工具。 本文总结了该仓库的结构、关键特征和动机,强调了它如何有助于LLM推理和博弈论行为的实证评估。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.