direct mujoco rendererGPT-5.5
Codex- Held-out 分数
- 601.8
- Checkpoint
- #003
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return 211.2.
MuJoCo · Core16
HalfCheetah
带稠密反馈的高维平面运动任务。
历史研究记录
这些证据属于论文时期实验，并不表示相关 package 当前仍然可用。
最终 Policy 证据
每张卡片都在原研究 Environment 中重跑 validation 选出的 checkpoint。
direct mujoco renderer#2
direct mujoco rendererClaude Opus 4.7
Claude Code- Held-out 分数
- 452.0
- Checkpoint
- #038
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return 119.7.
direct mujoco rendererMiniMax-M3
Claude Code- Held-out 分数
- 606.2
- Checkpoint
- #040
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return 128.0.
direct mujoco rendererDeepSeek-V4-Pro
Claude Code- Held-out 分数
- -0.468
- Checkpoint
- #017
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return -0.893.
报告分数
在该 Environment 内分数越高越好；不同任务的原始 reward scale 不可比较。
01MiniMax-M3Claude Code
606.202GPT-5.5Codex
601.803Claude Opus 4.7Claude Code
452.004DeepSeek-V4-ProClaude Code
-0.46805Random policyUniform
-291.8