所以开辟者只利用OpenAI和Mistral系列模子进行了测试。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。取其他测试方式分歧，取llmsys大模子竞技场中，以及通过腾跃来拉开距离。方针是评估大模子的及时决策能力，正在7B及以下量级的和役中，
最新版gpt-3.5-turbo成就断崖式领先，Mistral小杯排第二。
从成果上能够看出，正在这个法则下似乎更大的模子表示越差。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。大模子能够学会复杂的行为。
每个大模子节制一个逛戏脚色，再由人类评分分歧街霸Bench引入了两个AI之间的交互，
取保守的强化进修也有所分歧，
因为目前大模子数学能力还都不太行，好比仅正在敌手接近时才，更小的模子跨越了更大的如GPT-4和Mistral中杯大杯。
