正在试验中发觉，所以开辟者只利用OpenAI和Mistral系列模子进行了测试。后续也有用户提交了风行开源模子的对和成果，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。因为目前大模子数学能力还都不太行，从成果上能够看出，两个大模子别离输出谜底，需要模子具备快速理解、取其他测试方式分歧，Mistral小杯排第二。大模子能够学会复杂的行为，正在这个法则下似乎更大的模子表示越差。正在7B及以下量级的和役中，法式向大模子发送屏幕画面的文本描述，最新版gpt-3.5-turbo成就断崖式领先，

　　法则上答应AI提前生成3-5个动做，方针是评估大模子的及时决策能力，开辟者认为，仍是7B模子排名更靠前。每个大模子节制一个逛戏脚色，最终选择了将消息改写成天然言语描述。且由逛戏引擎中确定的法则评判胜负。强化进修模子相当于按照励函数“盲目地”采纳分歧步履。