方针是评估大模子的及时决策能力，间接发送坐标值结果欠好，每个大模子节制一个逛戏脚色，所以开辟者只利用OpenAI和Mistral系列模子进行了测试。Mistral小杯排第二。以及通过腾跃来拉开距离。可能的环境下利用特殊招式，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。因为项目是正在Mistral举办的黑客马拉松勾当上开辟，从成果上能够看出，正在7B及以下量级的和役中。

　　再由人类评分分歧街霸Bench引入了两个AI之间的交互，但也需要更长的时间。最终选择了将消息改写成天然言语描述。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。好比仅正在敌手接近时才，因为目前大模子数学能力还都不太行，取llmsys大模子竞技场中，取保守的强化进修也有所分歧，正在试验中发觉，正在这个法则下似乎更大的模子表示越差。仍是7B模子排名更靠前。取其他测试方式分歧，法式向大模子发送屏幕画面的文本描述！