در این آزمایش، مدل‌های زبانی بزرگ (LLM) مانند ChatGPT با یک وظیفه ساده روبرو بودند: کسب حداکثر امتیاز ممکن. در این بازی انتخاب برخی گزینه‌ها با جریمه «درد» شبیه‌سازی‌شده همراه بود، در حالی که گزینه‌های دیگر «لذت» را به قیمت کسب امتیاز کمتر ارائه می‌دادند.