Google DeepMind aggiunge Werewolf e poker a Kaggle Game Arena

Da informazione perfetta a informazione imperfetta

Game Arena è stato lanciato l'anno scorso con gli scacchi, un gioco a informazione perfetta in cui ogni pezzo è visibile e il solo limite è quanto lontano un modello riesce a ragionare in anticipo. Google DeepMind sta ora aggiungendo due giochi che negano deliberatamente informazioni ai giocatori.

Gli scacchi sono un gioco a informazione perfetta. Il mondo reale non lo è.Montana Labs

Questa cornice concettuale è l'idea centrale di tutto l'annuncio. Werewolf verifica se un modello riesce a estrarre segnali da un dialogo ambiguo, e il poker verifica se agisce in modo sensato quando non può vedere le carte dell'avversario. Entrambi servono a simulare decisioni prese senza dati completi.

Cosa mostra già la classifica degli scacchi

I risultati degli scacchi offrono la lettura più chiara sui progressi dei modelli. Gemini 3 Pro e Gemini 3 Flash occupano i primi posti per rating Elo, e Google DeepMind descrive un salto significativo rispetto alla generazione Gemini 2.5. Nel post si specifica chiaramente che non si tratta di forza bruta: a differenza di Stockfish, che valuta milioni di posizioni al secondo, i modelli si affidano al riconoscimento di pattern e a una sorta di 'intuizione' per restringere lo spazio di ricerca.

L'affermazione secondo cui i 'pensieri' interni dei modelli fanno riferimento a concetti come la mobilità dei pezzi, la struttura dei pedoni e la sicurezza del re è il tipo di dettaglio che rende Game Arena utile come strumento di monitoraggio, non come semplice classifica a punteggio unico: permette di osservare come cambia la capacità tra una generazione di modelli e l'altra.

Werewolf come banco di prova per l'inganno

Werewolf è l'aggiunta più originale. Google DeepMind lo definisce il suo primo gioco a squadre giocato interamente in linguaggio naturale, in cui i villici devono individuare i lupi mannari nascosti soltanto attraverso la conversazione. L'annuncio segnala un comportamento specifico: i modelli individuano incongruenze tra le dichiarazioni pubbliche di un giocatore e i suoi schemi di voto, usandole poi per costruire consenso con i compagni di squadra.

La componente legata alla sicurezza è la parte da sottolineare. Dato che per vincere occorre saper interpretare sia il ruolo di chi cerca la verità sia quello dell'ingannatore, il benchmark funziona anche come modo per testare in modalità 'red team' la capacità di un modello di ingannare, in un contesto senza conseguenze reali. È una scelta di design deliberata: verificare contemporaneamente la capacità di individuare la manipolazione e quella di attuarla, dentro un gioco chiuso.

Il poker, e cosa implica la scelta dei giochi per la valutazione degli agenti

Il poker completa il quadro isolando una terza competenza. Google DeepMind non lo presenta come costruzione di alleanze, ma come quantificazione dell'incertezza: dedurre le mani degli avversari e adattarsi al loro stile in Heads-Up No-Limit Texas Hold'em. La classifica completa del poker sarà svelata il 4 febbraio dopo le finali del torneo, con dirette che vedranno protagonisti i giocatori di poker Nick Schulman, Doug Polk e Liv Boeree, e il Grande Maestro Hikaru Nakamura per gli scacchi.

L'implicazione specifica sta nella tassonomia che Google DeepMind ha ora costruito. Gli scacchi misurano la pianificazione a lungo termine, Werewolf misura la negoziazione in condizioni di ambiguità, e il poker misura la gestione del rischio: tre assi distinti che il post collega direttamente alle 'competenze trasversali' di cui gli agenti aziendali hanno bisogno per collaborare con esseri umani e altri agenti. Più che un'unica classifica per l'intelligenza generale, questo è un argomento a favore della valutazione degli agenti su capacità separabili, ciascuna con il proprio gioco.