困难在于，LLM 非常不擅长策略（在这种情况下，也就是基于空间、数值ETC理解好坏决策的能力）。这将是对 LLM 进展（模型随著时间的推移与人类的表现相比如何）以及测试当前模型与旧模型的一个很棒的测试。