跳到主要内容

Box2D · Core16

CarRacing

在程序生成赛道上的像素观测驾驶任务。

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。

01

最终 Policy 证据

每张卡片都在原研究 Environment 中重跑 validation 选出的 checkpoint。

GPT-5.5 Policy rerun in CarRacingnative env render

GPT-5.5

Codex
BEST
Held-out 分数
604.1
Checkpoint
#009
重跑
1000 steps

Validation-selected checkpoint rerun in the original environment; case return 499.4.

Claude Opus 4.7 Policy rerun in CarRacingnative env render

Claude Opus 4.7

Claude Code
#2
Held-out 分数
602.3
Checkpoint
#006
重跑
1000 steps

Validation-selected checkpoint rerun in the original environment; case return 499.4.

MiniMax-M3 Policy rerun in CarRacingnative env render

MiniMax-M3

Claude Code
#3
Held-out 分数
233.4
Checkpoint
#008
重跑
1000 steps

Validation-selected checkpoint rerun in the original environment; case return 171.9.

DeepSeek-V4-Pro Policy rerun in CarRacingnative env render

DeepSeek-V4-Pro

Claude Code
#4
Held-out 分数
25.20
Checkpoint
#002
重跑
1000 steps

Validation-selected checkpoint rerun in the original environment; case return -3.509.

02

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-5.5Codex604.1
02Claude Opus 4.7Claude Code602.3
03MiniMax-M3Claude Code233.4
04DeepSeek-V4-ProClaude Code25.20
05Random policyUniform-29.63