DogLM

大型语言模型在游戏生成中无法推断隐含意图，DogLM 基准测试显示

一项名为 DogLM 的新基准测试显示，大型语言模型在推断隐含用户意图方面存在困难，尤其是在生成内容的互动元素方面。在 17 种不同大型语言模型生成的 804 款浏览器游戏中，除非明确提示，否则模型很少会使背景中的狗产生互动。即使有提示添加有趣的机制，也只有一小部分游戏包含任何形式的玩家与狗的互动，允许实际“摸狗”的则更少。