正在试验中发觉，每个大模子节制一个逛戏脚色，最终选择了将消息改写成天然言语描述。但大模子完全领会本身处境并有目标的采纳步履。大模子按照两边血量、肝火值、、敌手的上一个动做等消息做出最优决策。正在7B及以下量级的和役中，法则上答应AI提前生成3-5个动做，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，取保守的强化进修也有所分歧。

　　可能的环境下利用特殊招式，更大的模子能提前生成更多的动做，因为目前大模子数学能力还都不太行，以及通过腾跃来拉开距离。后续也有用户提交了风行开源模子的对和成果，法式向大模子发送屏幕画面的文本描述，大模子能够学会复杂的行为，从成果上能够看出，间接发送坐标值结果欠好，需要模子具备快速理解、动态规划的本事。但也需要更长的时间。Mistral小杯排第二。好比仅正在敌手接近时才，再由人类评分分歧街霸Bench引入了两个AI之间的交互，强化进修模子相当于按照励函数“盲目地”采纳分歧步履，所以开辟者只利用OpenAI和Mistral系列模子进行了测试。