direct mujoco rendererGPT-5.5
Codex- Held-out 分数
- -37.11
- Checkpoint
- #005
- 重跑
- 100 steps
Validation-selected checkpoint rerun in the original environment; case return -38.36.
MuJoCo · Core16
Pusher
通过接触操作把物体推向目标位置。
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 rendererBEST
direct mujoco rendererClaude Opus 4.7
Claude Code- Held-out 分数
- -38.52
- Checkpoint
- #014
- 重跑
- 100 steps
Validation-selected checkpoint rerun in the original environment; case return -37.53.
direct mujoco rendererMiniMax-M3
Claude Code- Held-out 分数
- -39.25
- Checkpoint
- #010
- 重跑
- 100 steps
Validation-selected checkpoint rerun in the original environment; case return -41.99.
direct mujoco rendererDeepSeek-V4-Pro
Claude Code- Held-out 分数
- -54.18
- Checkpoint
- #004
- 重跑
- 100 steps
Validation-selected checkpoint rerun in the original environment; case return -55.45.
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
-37.1102Claude Opus 4.7Claude Code
-38.5203MiniMax-M3Claude Code
-39.2504DeepSeek-V4-ProClaude Code
-54.1805Random policyUniform
-147.5