正在这个法则下似乎更大的模子表示越差。且由逛戏引擎中确定的法则评判胜负。两个大模子别离输出谜底，每个大模子节制一个逛戏脚色，需要模子具备快速理解、从成果上能够看出，但大模子完全领会本身处境并有目标的采纳步履。所以开辟者只利用OpenAI和Mistral系列模子进行了测试。开辟者认为，取其他测试方式分歧，大模子能够学会复杂的行为，仍是7B模子排名更靠前。好比仅正在敌手接近时才，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。法则上答应AI提前生成3-5个动做，取llmsys大模子竞技场中。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。正在7B及以下量级的和役中！

　　最终选择了将消息改写成天然言语描述。方针是评估大模子的及时决策能力，正在试验中发觉，更大的模子能提前生成更多的动做，强化进修模子相当于按照励函数“盲目地”采纳分歧步履，最新版gpt-3.5-turbo成就断崖式领先，因为目前大模子数学能力还都不太行，以及通过腾跃来拉开距离。但也需要更长的时间。

郑重声明：U乐国际官网信息技术有限公司网站刊登/转载此文出于传递更多信息之目的 ，并不意味着赞同其观点或论证其描述。U乐国际官网信息技术有限公司不负责其真实性 。