Table ng mga Links Abstract at 1. Introduction at Related Work 
 
 
 
 
 
 
 
 
 
 
 Methodology 2.1 LLM-Sim Task 2.2 Data 2.3 Evaluation 
 
 Experiments 
 
 Results 
 
 Conclusion 
 
 Limitations and Ethical Concerns, Acknowledgements, and References A. Mga detalye ng modelo B. Mga halimbawa ng transition ng laro C. Generation ng mga Rules ng Game D. Magkakaroon ng E. Mga resulta ng GPT-3.5 Mga histogram d ang nagtatapos Ang mga prompts na inilathala sa seksyon na ito ay naglalaman ng mga patakaran ng laro na maaaring maging ang mga patakaran na inilathala ng tao o mga patakaran na inilathala ng LLM. Para sa mga eksperimento na walang mga patakaran ng laro, i-remove lamang ang mga patakaran mula sa mga sumusunod na prompts. D.1 Prompt Example: Fact D.1 Prompt Example: Fact D.1.2 State Difference Prediction D.2 Prompt Halimbawa: Fenv D.2.1 Kompletong estado prediction D.2.2 State Difference Prediction D.3 Prompt Halimbawa: FR (Game Progress) D.4 Prompt Halimbawa: F D.4.1 Full State Prediction D.4.2 State Difference Prediction D.5 Mga Halimbawa Narito ang isang halimbawa ng Rule of an Action: Narito ang isang halimbawa ng regulasyon ng isang object: Narito ang isang halimbawa ng score rule: Narito ang isang halimbawa ng isang estado ng laro: Narito ang isang halimbawa ng isang JSON na naglalarawan ng pagkakaiba ng dalawang estado ng laro: E GPT-3.5 mga resulta Ang Tablo 5 at Tablo 6 ay nagpapakita ng pagganap ng isang GPT-3.5 simulator na predicting object properties at pag-unlad ng laro respectively. May isang malaking gap sa pagitan ng pagganap ng GPT-4 at GPT-3.5, na nagbibigay ng isa pang halimbawa ng kung paano mabilis na bumuo ng LLM sa dalawang taon. Ito rin ay dapat na tinatanggap na ang pagganap ng pagganap ay mas mataas kapag walang mga batas ay ibinigay, na nagpapakita na ang GPT-3.5 ay karamihan na mababa sa paggamit ng karaniwang kaalaman sa ito ng mga pakikipagsapalaran sa mundo ng simulation. Mga histogram 1. sa Figure 3, kami ay nagpapakita ng detalyadong mga resulta ng eksperimento sa Ginawa ng full state prediction task GPT-4. 2. sa Figure 4, kami ay nagpapakita ng detalyadong mga resulta ng eksperimento sa Ipinanganak ang GPT-4. state difference prediction task Sa Figure 5, nakikita natin ang detalyadong mga resulta ng eksperimento sa Ginawa ng full state prediction task GPT-3.5. Sa Figure 6, nakikita natin ang detalyadong mga resulta ng eksperimento sa   Ginawa ng state difference prediction task GPT-3.5. Figure 3: GPT-4 - Full State prediction mula sa a) Human-generated rules, b) LLM-generated rules, at c) Walang mga rules. Figure 4: GPT-4 - Difference prediction mula sa a) Human-generated rules, b) LLM-generated rules, at c) Walang mga rules. Figure 5: GPT-3.5 - Full State prediction mula sa a) Human-generated rules, b) LLM-generated rules, at c) Walang mga rules. Figure 6: GPT-3.5 - Difference prediction mula sa a) Human-generated rules, b) LLM-generated rules, at c) Walang mga rules. 
 
 
 
 
 
 
 
 
 ang mga author: (1) Ruoyao Wang, University of Arizona (ruoyaowang@arizona.edu) (2) Graham Todd, New York University (gdrtodd@nyu.edu) (3) Si Ziang Xiao, Johns Hopkins University (ziang.xiao@jhu.edu); (4) Si Xingdi Yuan, Microsoft Research Montréal (eric.yuan@microsoft.com); (5) si Marc-Alexandre Côté, Microsoft Research Montréal (macote@microsoft.com) (6) Peter Clark, Allen Institute para sa AI (PeterC@allenai.org). (7) Peter Jansen, University of Arizona at Allen Institute para sa AI (pajansen@arizona.edu). Authors: (1) Ruoyao Wang, University of Arizona ( ang mga ito ang napili ng mga taga-hanga: (2) Graham Todd, New York University ( ang mga ito sa pamamagitan ng www.nyu.edu (3) Si Ziang Xiao, Johns Hopkins University (ziang.xiao@jhu.edu); (4) Si Xingdi Yuan, Microsoft Research Montréal (eric.yuan@microsoft.com); (5) si Marc-Alexandre Côté, Microsoft Research Montréal (macote@microsoft.com) (6) Peter Clark, Allen Institute para sa AI ( ang mga ito; ang napili ng mga taga-hanga: PeterC@allenai.org (7) Peter Jansen, University of Arizona at Allen Institute para sa AI (pajansen@arizona.edu). 
 
 Ang artikulong ito ay magagamit sa archiv sa ilalim ng lisensya ng CC BY 4.0. Ang papel na ito ay Sa ilalim ng CC BY 4.0 lisensya. Available sa archive Available sa archive

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

AI Models on HackerNoon

Ang audio na ito ay ginawa sa orihinal na wika ng kuwento!

Masyadong mahaba; Upang basahin

Make resilience your competitive advantage

GPT-4 vs GPT-3.5 Performance sa Mga Simulasyon ng Laro

About Author

MGA KOMENTO

HANG TAGS

ANG ARTIKULONG ITO AY IPINAKITA SA

Related Stories

COVID-19: We Need More Than Data, We Need Insights!

Getting intimate with Ethereum tokens

State of the Noonion: The Year of Profitability and Product Renaissance

How I deployed my spark document classification(Logistic Regression) model/s as a standalone app…

COVID-19: We Need More Than Data, We Need Insights!

Getting intimate with Ethereum tokens

State of the Noonion: The Year of Profitability and Product Renaissance

How I deployed my spark document classification(Logistic Regression) model/s as a standalone app…

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps