highway state rendererGPT-5.5
Codex- Held-out 分数
- -30.24
- Checkpoint
- #012
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return -48.79.
Driving · Core16
Parking
把车辆连续控制到目标停车姿态。
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。
highway state rendererBEST
highway state rendererClaude Opus 4.7
Claude Code- Held-out 分数
- -38.18
- Checkpoint
- #010
- 重跑
- 116 steps
Validation-selected checkpoint rerun in the original environment; case return -46.70.
highway state rendererMiniMax-M3
Claude Code- Held-out 分数
- -32.71
- Checkpoint
- #013
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return -45.59.
highway state rendererDeepSeek-V4-Pro
Claude Code- Held-out 分数
- -53.38
- Checkpoint
- #003
- 重跑
- 54 steps
Validation-selected checkpoint rerun in the original environment; case return -24.69.
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。
01GPT-5.5Codex
-30.2402MiniMax-M3Claude Code
-32.7103Claude Opus 4.7Claude Code
-38.1804Random policyUniform
-47.4505DeepSeek-V4-ProClaude Code
-53.38