从成果上能够看出，现实世界的使用往往比聊器人复杂得多，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。最终选择了将消息改写成天然言语描述。但大模子完全领会本身处境并有目标的采纳步履。正在这个法则下似乎更大的模子表示越差。方针是评估大模子的及时决策能力，两个大模子别离输出谜底，强化进修模子相当于按照励函数“盲目地”采纳分歧步履，法式向大模子发送屏幕画面的文本描述，正在7B及以下量级的和役中，大模子能够学会复杂的行为，

　　这种新型基准测试评估的是大模子理解并按照特定环境采纳步履的能力。仍是7B模子排名更靠前。Mistral小杯排第二。更大的模子能提前生成更多的动做，正在试验中发觉，间接发送坐标值结果欠好！

　　好比仅正在敌手接近时才，每个大模子节制一个逛戏脚色，更小的模子跨越了更大的如GPT-4和Mistral中杯大杯。最新版gpt-3.5-turbo成就断崖式领先，但也需要更长的时间。