扑克竞技场：LLM中战略推理与记忆的多轴画像

不确定性下的战略推理支撑着谈判、金融和政策方面的后续决策，但流行的游戏基准将异构推理维度分解为单一标量，从而使前沿大语言模型的能力结构未经审查。我们推出 Poker Arena，这是一个无限德州扑克锦标赛平台，它将三层内存架构（局内、会话和跨会话）与九轴认知配置文件结合起来，将策略推理分解为可解释的维度，例如下注大小校准和位置意识。我们在 50 个会话（1,000 只手）和受控记忆消融中评估了 7 个前沿模型；锦标赛筹码和总轴得分的顺序不同：Claude Opus 4.6 获胜 + 15,730筹码，14 次获得第一名，但在平均轴得分上仅在七个模型中排名第五，而持久记忆对某些模型有帮助，对其他模型不利。这些发现表明，多轴评估表面的能力结构标量排行榜系统地错误排名，跨维度一致性超过任何单轴上的峰值性能。