介绍Husky Hold’em Bench，这是第一个OS扑克机器人评估！ 我们最近在OS上看到很多出色的工作，评估LLM在战略游戏中的表现。 这是另一个有趣的案例：模型不能直接选择其动作，而是必须在时间和内存限制下以python实现其策略，这排除了暴力破解方法和查找表。 然后我们将这些机器人放在一个6人全组合的循环赛中对抗。领先的推理模型表现如何？