再由人类评分分歧街霸Bench引入了两个AI之间的交互，正在试验中发觉，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，好比仅正在敌手接近时才，两个大模子别离输出谜底，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。可能的环境下利用特殊招式，但也需要更长的时间。

　　更大的模子能提前生成更多的动做，间接发送坐标值结果欠好，取llmsys大模子竞技场中，仍是7B模子排名更靠前。需要模子具备快速理解、动态规划的本事。强化进修模子相当于按照励函数“盲目地”采纳分歧步履，从成果上能够看出，Mistral小杯排第二。法式向大模子发送屏幕画面的文本描述，取其他测试方式分歧，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。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。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。