Tabell från vänster Abstract och 1: Introduktion och relaterat arbete 
 
 
 
 
 
 
 
 
 
 
 Methodology 2.1 LLM-Sim Task 2.2 Data 2.3 Evaluation 
 
 Experiments 
 
 Results 
 
 Conclusion 
 
 Limitations and Ethical Concerns, Acknowledgements, and References A. Modelldetaljer Exempel på spelövergångar C. Spelregler generation D. Snabbt E. GPT-3.5 resultat F. Histogram D Snabbt De uppmaningar som introduceras i detta avsnitt inkluderar spelregler som kan vara antingen mänskliga skrivna regler eller LLM genererade regler. D.1 Prompt Example: Fact D.1 Prompt Example: Fact D.1.2 State Difference Prediction D.2 Prompt Exempel: Fenv D.2.1 Fullständig statlig förutsägelse D.2.2 State Difference Prediction D.3 Prompt Exempel: FR (Game Progress) D.4 Prompt Exempel: F D.4.1 Full State Prediction D.4.2 State Difference Prediction 5 Övriga exempel Nedan följer ett exempel på regeln för en åtgärd: Nedan följer ett exempel på regeln för ett objekt: Nedan följer ett exempel på poängregeln: Nedan följer ett exempel på ett spel: Nedan är ett exempel på en JSON som beskriver skillnaden mellan två spelstater: E GPT-3.5 resultat Tabell 5 och Tabell 6 visar prestandan hos en GPT-3.5-simulator som förutsäger objektegenskaper och spelutveckling respektive. Det finns ett enormt gap mellan GPT-4-prestanda och GPT-3.5-prestanda, vilket ger ännu ett exempel på hur snabbt LLM utvecklas under de två åren. Det är också värt att notera att prestationsskillnaden är större när inga regler tillhandahålls, vilket indikerar att GPT-3.5 är särskilt svag när det gäller att tillämpa kunskap om sunt förnuft på denna fåskottade världssimuleringsuppgift. F Histogram I figur 3 visar vi detaljerade experimentella resultat på utfört av full state prediction task GPT-4. I figur 4 visar vi detaljerade experimentella resultat på Utförd av GPT-4. state difference prediction task I figur 5 visar vi detaljerade experimentella resultat på utfört av full state prediction task GPT-3.5. I figur 6 visar vi detaljerade experimentella resultat på   utfört av state difference prediction task GPT-3.5. Figur 3: GPT-4 - Full statlig förutsägelse från a) mänskligt genererade regler, b) LLM-genererade regler och c) inga regler. Figur 4: GPT-4 - Skillnadsprognos från a) mänskligt genererade regler, b) LLM-genererade regler och c) Inga regler. Figur 5: GPT-3.5 - Fullständig statlig förutsägelse från a) mänskligt genererade regler, b) LLM-genererade regler och c) inga regler. Figur 6: GPT-3.5 - Skillnad förutsägelse från a) mänskliga genererade regler, b) LLM genererade regler, och c) inga regler. 
 
 
 
 
 
 
 
 
 Författare : (1) Ruoyao Wang, University of Arizona (ruoyaowang@arizona.edu) (2) Graham Todd, New York University (gdrtodd@nyu.edu) (3) Ziang Xiao, Johns Hopkins University (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 och Allen Institute for AI (pajansen@arizona.edu). Authors: (1) Ruoyao Wang, University of Arizona (ruoyaowang@arizona.edu) (2) Graham Todd, New York University ( ) och gdrtodd@nyu.edu (3) Ziang Xiao, Johns Hopkins University (ziang.xiao@jhu.edu) (4) Xingdi Yuan, Microsoft Research Montréal (eric.yuan@microsoft.com) (5) Marc-Alexandre Côté, Microsoft Research Montréal ( ) och från macote@microsoft.com (6) Peter Clark, Allen Institute for AI ( ) och PeterC@allenai.org från (7) Peter Jansen, University of Arizona och Allen Institute for AI ( och ) Tjeckien@arizona.edu 
 
 Den här artikeln finns tillgänglig på archiv under CC BY 4.0-licens. Den här artikeln finns tillgänglig på archiv under CC BY 4.0-licens. Tillgänglig i Arkiv

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

AI Models on HackerNoon

Det här ljudet är producerat på berättelsens originalspråk!

För länge; Att läsa

Make resilience your competitive advantage

GPT-4 vs GPT-3.5 Prestanda i spelsimuleringar

About Author

KOMMENTARER

HÄNG TAGGAR

DENNA ARTIKEL PRESENTERAS I

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps