Environment 排行榜 · v0.3.0
KeyCorridor-S4R3
部分可观测的多房间取钥匙与开门任务，按 held-out mean return 排名。
- Distribution
- MiniGrid
- 主指标
- assessment_mean_return
- 排序方向
- 越高越好
- 记录时间
- 2026年8月09日
选择实验设置
⌄
当前实验设置
严格模式 · 128 训练 / 1 Validation / 128 Assessment
keycorridor-strict-128-1-128-v1用完 128 个训练 Episode，通过 1 个 Validation Episode 选择一个 Program，再在 128 个 held-out Assessment Episodes 上评测。
- 训练 Episodes
- 128
- 最大 Submissions
- 128
- Validation Episodes
- 1
- Assessment Episodes
- 128
配置详情
- run seed
- 20260807
- training split
- train
- 训练 Episodes
- 128
- episode pool size
- 128
- 最大 Submissions
- 128
- max episodes per submission
- 32
- Finish Policy
- require budget exhaustion
- validation split
- validation
- Validation Episodes
- 1
- validation max candidates
- 1
- assessment split
- test
- Assessment Episodes
- 128
- episode timeout seconds
- 60
- agent timeout seconds
- 7200
原始 Assessment 分数与排名
1GPT-5.6 SolxhighCodex0.9284
2GPT-5.6 TerraxhighCodex0.9261
3GPT-5.6 LunaxhighCodex0.9260
Top 3 策略 Rollout
最终选中 Program 在同一个 held-out Assessment Episode 上的表现。
GPT-5.6 SolCodex · xhigh
0.9284
GPT-5.6 TerraCodex · xhigh
0.9261
GPT-5.6 LunaCodex · xhigh
0.9260