tavolo di sinistra Abstract e 1.Introduzione e lavori correlati 
 
 
 
 
 
 
 
 
 
 
 Methodology 2.1 LLM-Sim Task 2.2 Data 2.3 Evaluation 
 
 Experiments 
 
 Results 
 
 Conclusion 
 
 Limitations and Ethical Concerns, Acknowledgements, and References A. Dettagli del modello Esempi di transizione di gioco La generazione delle regole del gioco D. Prompto E. Risultati GPT-3.5 F. Istogrammi D in fretta I prompt introdotti in questa sezione includono le regole del gioco che possono essere regole scritte dall'uomo o regole generate da LLM. Per gli esperimenti senza regole del gioco, rimuoviamo semplicemente le regole dai corrispondenti prompt. D.1 Prompt Example: Fact D.1 Prompt Example: Fact D.1.2 State Difference Prediction D.2 Esempio di prompt: Fenv D.2.1 Previsioni di stato complete D.2.2 State Difference Prediction D.3 Esempio di prompt: FR (Game Progress) D.4 Prompt Esempio: F D.4.1 Full State Prediction D.4.2 State Difference Prediction 5 Altri esempi Di seguito un esempio della regola di un'azione: Di seguito un esempio della regola di un oggetto: Di seguito un esempio della regola del punteggio: Di seguito un esempio di uno stato di gioco: Di seguito è riportato un esempio di JSON che descrive la differenza tra due stati di gioco: Risultati GPT-3.5 La tabella 5 e la tabella 6 mostrano le prestazioni di un simulatore GPT-3.5 che prevede le proprietà degli oggetti e il progresso del gioco rispettivamente. C'è un enorme divario tra le prestazioni di GPT-4 e le prestazioni di GPT-3.5, fornendo un altro esempio di quanto il LLM si sviluppi rapidamente nei due anni. Vale anche la pena notare che la differenza di prestazione è maggiore quando non vengono fornite regole, indicando che GPT-3.5 è particolarmente debole nell'applicare la conoscenza del senso comune a questo compito di simulazione del mondo a pochi colpi. F Istogrammi Nella Figura 3, mostriamo i risultati sperimentali dettagliati sul Eseguito da full state prediction task GPT-4. Nella Figura 4, mostriamo i risultati sperimentali dettagliati sul Eseguito da GPT-4. state difference prediction task Nella Figura 5, mostriamo i risultati sperimentali dettagliati sul Eseguito da full state prediction task GPT-3.5. Nella Figura 6, mostriamo i risultati sperimentali dettagliati sul   Eseguito da state difference prediction task GPT-3.5. Figura 3: GPT-4 - Previsione completa dello stato da a) regole generate dall'uomo, b) regole generate da LLM e c) nessuna regola. Figura 4: GPT-4 - Previsione differenza da a) regole generate dall'uomo, b) regole generate da LLM, e c) nessuna regola. Figura 5: GPT-3.5 - Previsione dello stato completo da a) regole generate dall'uomo, b) regole generate da LLM e c) nessuna regola. Figura 6: GPT-3.5 - Previsione differenza da a) regole generate dall'uomo, b) regole generate da LLM, e c) nessuna regola. 
 
 
 
 
 
 
 
 
 Gli autori : (1) Ruoyao Wang, Università dell’Arizona (ruoyaowang@arizona.edu); (2) Graham Todd, Università di New York (gdrtodd@nyu.edu); (3) Ziang Xiao, Università 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, Università dell’Arizona e Allen Institute for AI (pajansen@arizona.edu). Authors: (1) Ruoyao Wang, Università dell’Arizona (ruoyaowang@arizona.edu); (2) Graham Todd, Università di New York (gdrtodd@nyu.edu); (3) Ziang Xiao, Università Johns Hopkins (ziang.xiao@jhu.edu); (4) Xingdi Yuan, Microsoft Research Montréal ( e) il di eric.yuan@microsoft.com (5) Marc-Alexandre Côté, Microsoft Research Montréal (macote@microsoft.com) (6) Peter Clark, Allen Institute for AI ( e) il PietroC@allenai.org (7) Peter Jansen, Università dell’Arizona e Allen Institute for AI (pajansen@arizona.edu). 
 
 Questo documento è disponibile su archiv sotto la licenza CC BY 4.0. Questo documento è disponibile su archiv sotto la licenza CC BY 4.0. Disponibile in archivio

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

AI Models on HackerNoon

Questo audio è prodotto nella lingua originale della storia!

Troppo lungo; Leggere

Make resilience your competitive advantage

GPT-4 vs GPT-3.5 Performance nelle simulazioni di gioco

About Author

COMMENTI

CARTELLINI

QUESTO ARTICOLO È STATO PRESENTATO IN

Related Stories

Meet Dealscard, Winner of Startups of The Year 2024 in Ghaziabad/Deal Aggregator

Netflix Brings Out the Big Guns

The Ultimate FAQ Guide to HackerNoon's Business Blogging

New Year, New Exciting Features: Mint Your Name, Watch Web 2.5 and Meet The Top Startups of The Year

Meet Dealscard, Winner of Startups of The Year 2024 in Ghaziabad/Deal Aggregator

Netflix Brings Out the Big Guns

The Ultimate FAQ Guide to HackerNoon's Business Blogging

New Year, New Exciting Features: Mint Your Name, Watch Web 2.5 and Meet The Top Startups of The Year

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps