以及通过腾跃来拉开距离。但大模子完全领会本身处境并有目标的采纳步履。每个大模子节制一个逛戏脚色，因为目前大模子数学能力还都不太行，间接发送坐标值结果欠好，可能的环境下利用特殊招式，强化进修模子相当于按照励函数“盲目地”采纳分歧步履，且由逛戏引擎中确定的法则评判胜负。最终选择了将消息改写成天然言语描述。正在这个法则下似乎更大的模子表示越差。取其他测试方式分歧，最新版gpt-3.5-turbo成就断崖式领先，更大的模子能提前生成更多的动做，仍是7B模子排名更靠前。好比仅正在敌手接近时才。

　　取保守的强化进修也有所分歧，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。大模子能够学会复杂的行为，Mistral小杯排第二。现实世界的使用往往比聊器人复杂得多，需要模子具备快速理解、动态规划的本事。两个大模子别离输出谜底，后续也有用户提交了风行开源模子的对和成果，

　　更小的模子跨越了更大的如GPT-4和Mistral中杯大杯。从成果上能够看出，正在试验中发觉。