Tabel dari kiri Abstrak dan 1. pengenalan dan kerja terkait 
 
 
 
 
 
 
 
 
 
 
 Methodology 2.1 LLM-Sim Task 2.2 Data 2.3 Evaluation 
 
 Experiments 
 
 Results 
 
 Conclusion 
 
 Limitations and Ethical Concerns, Acknowledgements, and References A. Detail Model Contoh permainan transisi A. Generasi Aturan Permainan d. cepat E. Hasil GPT-3.5 c. histogram D dengan cepat Prompt yang diperkenalkan dalam bagian ini mencakup aturan permainan yang dapat menjadi aturan tertulis manusia atau aturan yang dihasilkan LLM. Untuk eksperimen tanpa aturan permainan, kami hanya menghapus aturan dari prompt yang sesuai. D.1 Prompt Example: Fact D.1 Prompt Example: Fact D.1.2 State Difference Prediction D.2 Prompt Contoh: Fenv D.2.1 Prediksi Negara Lengkap D.2.2 State Difference Prediction D.3 Prompt Contoh: FR (Perkembangan Game) D.4 Prompt Contoh: F D.4.1 Full State Prediction D.4.2 State Difference Prediction 5.3 Contoh lainnya Di bawah ini adalah contoh dari aturan tindakan: Di bawah ini adalah contoh dari aturan suatu objek: Di bawah ini adalah contoh dari aturan skor: Di bawah ini adalah contoh dari permainan: Di bawah ini adalah contoh JSON yang menggambarkan perbedaan dua keadaan permainan: Hasil dari GPT-3.5 Tabel 5 dan Tabel 6 menunjukkan kinerja simulator GPT-3.5 yang memprediksi properti objek dan kemajuan permainan masing-masing. Ada kesenjangan besar antara kinerja GPT-4 dan kinerja GPT-3.5, memberikan contoh lain dari seberapa cepat LLM berkembang dalam dua tahun. Hal ini juga patut dicatat bahwa perbedaan kinerja lebih besar ketika tidak ada aturan yang disediakan, menunjukkan bahwa GPT-3.5 sangat lemah dalam menerapkan pengetahuan akal sehat untuk tugas simulasi dunia ini. d. histogram Di Gambar 3, kami menunjukkan hasil eksperimen yang terperinci pada dilakukan oleh full state prediction task GPT-4. Gambar 4 menunjukkan hasil eksperimen yang Dibuat oleh GPT-4. state difference prediction task Gambar 5 menunjukkan hasil eksperimen yang dilakukan oleh full state prediction task GPT-3.5. Pada Gambar 6, kami menunjukkan hasil eksperimen yang terperinci pada   dilakukan oleh state difference prediction task GPT-3.5. Gambar 3: GPT-4 - prediksi negara penuh dari a) aturan yang dihasilkan manusia, b) aturan yang dihasilkan LLM, dan c) tidak ada aturan. Gambar 4: GPT-4 - prediksi perbedaan dari a) aturan yang dihasilkan manusia, b) aturan yang dihasilkan LLM, dan c) tidak ada aturan. Gambar 5: GPT-3.5 - prediksi negara lengkap dari a) aturan yang dihasilkan manusia, b) aturan yang dihasilkan LLM, dan c) tidak ada aturan. Gambar 6: GPT-3.5 - prediksi perbedaan dari a) aturan yang dihasilkan manusia, b) aturan yang dihasilkan LLM, dan c) tidak ada aturan. 
 
 
 
 
 
 
 
 
 Penulis : (1) Ruoyao Wang, Universitas Arizona (ruoyaowang@arizona.edu); (2) Graham Todd, Universitas New York (gdrtodd@nyu.edu); (3) Ziang Xiao, Universitas Johns Hopkins (ziang.xiao@jhu.edu); (4) Xingdi Yuan, Microsoft Research Montréal (eric.yuan@microsoft.com); (5) Marc-Alexandre Côté, Microsoft Research Montréal (macote@microsoft.com) (6) Peter Clark, Allen Institute for AI (PeterC@allenai.org). (7) Peter Jansen, University of Arizona dan Allen Institute for AI (pajansen@arizona.edu). Authors: (1) Ruoyao Wang, Universitas Arizona (ruoyaowang@arizona.edu); (2) Graham Todd, Universitas New York ( ) ; Jasa Pembuatan Website @nyu.edu (3) Ziang Xiao, Universitas Johns Hopkins (ziang.xiao@jhu.edu); (4) Xingdi Yuan, Microsoft Research Montréal (eric.yuan@microsoft.com); (5) Marc-Alexandre Côté, Microsoft Research Montréal (macote@microsoft.com) (6) Peter Clark, Allen Institute for AI (PeterC@allenai.org). (7) Peter Jansen, Universitas Arizona dan Allen Institute for AI ( ) yang Teman-teman @ arizona.edu 
 
 Dokumen ini tersedia di archiv di bawah lisensi CC BY 4.0. Dokumen ini tersedia di archiv di bawah lisensi CC BY 4.0. Tersedia di Arsip

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

AI Models on HackerNoon

Audio ini diproduksi dalam bahasa asli cerita!

Performa GPT-4 vs GPT-3.5 dalam Simulasi Game

About Author

KOMENTAR

HANG TAG

ARTIKEL INI DISAJIKAN PADA

Related Stories

How to Fetch Large Data Files Through GitHub API

NIGHT (continued)

The Crypto Trading Writing Contest: Submission Deadline Extended!

THE CAVERNS OF VENUS

How to Fetch Large Data Files Through GitHub API

NIGHT (continued)

The Crypto Trading Writing Contest: Submission Deadline Extended!

THE CAVERNS OF VENUS

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps