IronBee Gamer popisuje postup, ve kterém velký jazykový model připraví pravidla a kód pro čtení stavu prohlížečové hry. Malý model Laya se pak učí rozhodovat podle těchto pravidel a ovládá samotnou hru. Má 322 milionů parametrů a v uváděných testech vybírá akci přibližně za 22 až 45 milisekund. Autoři zveřejnili kód i knihovnu natrénovaných her.
Jde o učení z označených příkladů, nikoli o posilované učení přímo z herního skóre. Článek shrnuje vlastní pokusy od konce září do poloviny října a otevřeně popisuje rozdíly mezi pozastaveným a živým během. Výsledky závisí na hře i zpoždění ovládání. Breakout zatím funguje pouze s pozastavovaným časem a náročnější dlouhodobé plánování zůstává nevyzkoušené.
