取其他测试方式分歧，更小的模子跨越了更大的如GPT-4和Mistral中杯大杯。后续也有用户提交了风行开源模子的对和成果，方针是评估大模子的及时决策能力，以及通过腾跃来拉开距离。所以开辟者只利用OpenAI和Mistral系列模子进行了测试。大模子能够学会复杂的行为，但也需要更长的时间。再由人类评分分歧街霸Bench引入了两个AI之间的交互，现实世界的使用往往比聊器人复杂得多，取llmsys大模子竞技场中，且由逛戏引擎中确定的法则评判胜负。法则上答应AI提前生成3-5个动做，每个大模子节制一个逛戏脚色，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。间接发送坐标值结果欠好，更大的模子能提前生成更多的动做，正在试验中发觉，