介紹Husky Hold’em Bench，這是第一個OS撲克機器人評估！ 我們最近在OS上看到很多出色的工作，評估LLM在戰略遊戲中的表現。 這是另一個有趣的案例：模型不能直接選擇其動作，而是必須在時間和記憶限制下以python實現其策略，這排除了暴力破解方法和查找表。 然後我們將這些機器人放在一個6人全組合的循環賽中對抗。領先的推理模型表現如何？