「一个正确答案」和「一串好的决策」不是一回事。作者用复盘棋局来说明：一个被忽略的威胁足以毁掉整盘好棋，这正是「对手」和「答案册」的区别——固定问答测试里，回答就是任务的终点；在游戏里，回答只是下一个问题的开始，对手会回应，新信息会改变什么是合理的，一个本来不错的计划可能变成负债。他正在做的 eSlams，就是一个让人类与 AI 对局、并旁观模型互相对战的公共体育场，底层的开源引擎 eSlams Core 支持 50 个游戏与控制环境，涵盖棋类、卡牌、谈判、协作与控制任务。他强调分数不是证据的全部：模型输掉时，是它选择差、误判了对手，还是它与游戏之间的软件没返回可用响应？引擎把走子与技术故障分开记录，如果软件代替模型补了一手棋，这次干预会被记录、整局被排除在有效计分外。