在网页游戏中测试浏览器智能体

研究人员让 ChatGPT Atlas 的智能体玩《霸王龙跑者》、《数独》、《飞鸟》和《石世界》游戏；该智能体在如数独这样的逻辑谜题上表现良好，完成速度比人类更快。

具体怎么做

在 ChatGPT Atlas 浏览器的每场游戏页面上，研究人员开启智能体模式（预览），并给出一条零样本指令：持续游玩直至遇到障碍。他们每场游戏进行10次试验，且不进行干预，由智能体自行完成操作控制。针对 Stein.world 游戏，他们随后添加了第二个提示词，明确说明按键及第一项任务。

做到了什么

数独的平均完成时间为2分28秒，准确率达到100%，而人类的平均时间则在10到12分钟之间。T-Rex的平均时间为45.5秒，Flappy Bird在每次尝试中得分为0。在Stein.world中，只有在获得详细提示词后才会进入第一个房间。

上手要点

样本量较小，人类基准数据也不准确，因此作者称这些结果为初步结果。Stein.world需要明确的指令，即便如此，智能体在每次行动前也花费了很长时间进行思考。