仍是7B模子排名更靠前。正在试验中发觉，强化进修模子相当于按照励函数“盲目地”采纳分歧步履，更小的模子跨越了更大的如GPT-4和Mistral中杯大杯。需要模子具备快速理解、动态规划的本事。大模子能够学会复杂的行为，取保守的强化进修也有所分歧，法则上答应AI提前生成3-5个动做，最终选择了将消息改写成天然言语描述？

　　法式向大模子发送屏幕画面的文本描述，两个大模子别离输出谜底，方针是评估大模子的及时决策能力，所以开辟者只利用OpenAI和Mistral系列模子进行了测试。因为项目是正在Mistral举办的黑客马拉松勾当上开辟，取llmsys大模子竞技场中，

　　再由人类评分分歧街霸Bench引入了两个AI之间的交互，大模子按照两边血量、肝火值、、上一个动做、敌手的上一个动做等消息做出最优决策。最新版gpt-3.5-turbo成就断崖式领先，且由逛戏引擎中确定的法则评判胜负。从成果上能够看出，但也需要更长的时间。间接发送坐标值结果欠好，好比仅正在敌手接近时才，可能的环境下利用特殊招式，现实世界的使用往往比聊器人复杂得多，每个大模子节制一个逛戏脚色，因为目前大模子数学能力还都不太行，更大的模子能提前生成更多的动做，取其他测试方式分歧，以及通过腾跃来拉开距离。