80. 测试浏览器代理玩网页游戏

他们做了什么

研究人员在 ChatGPT Atlas 浏览器中打开每个游戏的页面，开启代理模式（预览版），只给出一条零样本指令：一直玩到卡住为止。每个游戏进行 10 次试验，过程中不做任何干预。代理自己摸索出了操作方法。对于 Stein.world，他们后来又加了第二条提示词，写明了按键和第一个任务。

结果如何

数独平均用时 2 分 28 秒，准确率 100%，而人类基准是 10 到 12 分钟。小恐龙跑酷平均得分 45.5，Flappy Bird 每次都是 0 分。在 Stein.world 中，只有在给出详细提示词之后，它才走出了第一个房间。

需要知道

样本量小，人类基准也比较粗略，所以作者称这些结果只是初步的。Stein.world 需要明确的指令，即便如此，代理每走一步之前也要思考很久。

你可以这样尝试

打开 [网页游戏链接，例如一个在线数独]，完整地玩一局或解一道题。报告用了多长时间、是否完成，以及在哪里卡住了。如果网站要求登录、注册或付费，就停下来问我。