GENSTRAT：用程序生成博弈评估大模型策略推理

程序生成博弈基准显示模型策略能力差距在难题上放大。

资讯摘要

论文提出 GENSTRAT，通过程序化生成双人零和不完全信息下注博弈，按状态空间、时间偶然性、对手依赖、私有信息、精度五个复杂度轴刻画游戏，并用蒙特卡洛模拟度量。作者据此构建 50 款游戏的基准，让十二个前沿与开源权重模型进行超 4 万场 LLM 对 LLM 对局；在八款最难游戏上，最好与最差模型的差距为全量游戏上差距的 1.7 倍。消融显示更高思考预算、公开对手策略、以及与游戏需求匹配的推理与更高胜率相关。

要点速读

1. GENSTRAT 以程序化生成新博弈应对固定测试集饱和与污染问题。
2. 作者构建 50 款游戏基准，十二个模型参与超 4 万场对局。
3. 八款最难游戏上最好与最差模型差距为全量游戏差距的 1.7 倍。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。