Điều khó khăn là các mô hình ngôn ngữ tự động (LLM) thực sự kém về chiến lược (trong trường hợp này, là hiểu được các quyết định tốt và xấu dựa trên các giá trị không gian, số học, ETC). Đây sẽ là một bài kiểm tra thú vị cho sự tiến bộ của LLM (mô hình hoạt động tốt như thế nào so với con người theo thời gian) và kiểm tra các mô hình hiện tại so với các mô hình cũ hơn.