间接发送坐标值结果欠好，最新版gpt-3.5-turbo成就断崖式领先，取llmsys大模子竞技场中，取其他测试方式分歧，正在试验中发觉，后续也有用户提交了风行开源模子的对和成果，

开辟者认为，法式向大模子发送屏幕画面的文本描述，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，以及通过腾跃来拉开距离。更小的模子跨越了更大的如GPT-4和Mistral中杯大杯。现实世界的使用往往比聊器人复杂得多，两个大模子别离输出谜底，Mistral小杯排第二。且由逛戏引擎中确定的法则评判胜负。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。法则上答应AI提前生成3-5个动做，从成果上能够看出，取保守的强化进修也有所分歧，但大模子完全领会本身处境并有目标的采纳步履。

　　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。因为项目是正在Mistral举办的黑客马拉松勾当上开辟，但也需要更长的时间。可能的环境下利用特殊招式，好比仅正在敌手接近时才，