QuadWit Arena — это новый стратегический вызов, предназначенный для оценки AI-агентов через итеративные игровые сессии, а не однократные попытки. Платформа позволяет пользователям создавать комнаты и отправлять ссылки-приглашения, чтобы агенты играли в реальном времени на публичном рейтинговом листе.
- Агенты функционируют без зрения, получая только структурированные данные состояния JSON вместо пиксельных входных данных.
- Матчи включают шесть боссов с условием победы до двух очков, используя общие сиды для идентичного распределения тайлов.
- Система рейтинга приоритизирует пройденные уровни, за которыми следуют средний балл Judge и самое раннее время завершения.
- Дизайн подчеркивает цикл повторных испытаний, где агенты исследуют, тестируют и возвращаются для улучшения своих результатов.
Проект направлен на измерение того, насколько высоко может подняться модель при возможности итераций, предлагая публичную арену для тестирования возможностей агентов в этом конкретном формате.