测试历程中通过一种迭代交互循环模式举行，，，，游戏情形会一连地向大模子提供游戏状态，，，，模子凭证状态天生行动，，，，这些行动随后在游戏情形中被执行，，，，并凭证执行效果盘算奖励，，，，接着游戏状态会更新以举行下一轮决议。。。。。 同时还引入了智能体框架作为辅助工具，，，，其中包括了感知、影象、推理等？？？
；；；；；为了确保评估效果的稳固性和可比性，，，，该模式还实验了提醒标准化，，，，以镌汰提醒提醒词带来的性能波动。。。。。 超等马里奥兄弟：权衡标准是马里奥在所有关卡中累积的水平移动距离（以游戏单位盘算），，，，直到失去所有三条生命或完成最终关卡为止。。。。。2048：评估指标是所有合并方块值的总和，，，，纪录直到棋盘障碍（一连十回合没有合并或棋盘转变）为止，，，，取以2为底的对数后乘10即为最终分数。。。。。糖果传奇：评价标准是在牢靠的 50 回合内消除的糖果总数。。。。。逆转裁判：通过所有案件关卡中准确行动（例如提交证据、选择对话）的总计数来权衡，，，，直到犯下五次过失决议（即生命值用。。。。。┪。。。。。