予測値ではなくエージェントや攻撃プログラムを提出し、対戦や評価環境での振る舞いで順位を競う形式のコンペです。 Kaggle のシミュレーションコンペとして以前から存在する形式ですが、LLM の登場以降は開発・分析エージェントの評価やモデル評価基盤としても広がっています。