跳到主要内容

Driving · Core16

Roundabout

在环岛场景中的结构化交通控制。

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 Roundabouthighway state renderer

GPT-5.5

Codex
#2
Held-out 分数
9.818
Checkpoint
#012
重跑
11 steps

Validation-selected checkpoint rerun in the original environment; case return 10.25.

Claude Opus 4.7 Policy rerun in Roundabouthighway state renderer

Claude Opus 4.7

Claude Code
#4
Held-out 分数
9.331
Checkpoint
#004
重跑
11 steps

Validation-selected checkpoint rerun in the original environment; case return 10.08.

MiniMax-M3 Policy rerun in Roundabouthighway state renderer

MiniMax-M3

Claude Code
#3
Held-out 分数
9.521
Checkpoint
#007
重跑
8 steps

Validation-selected checkpoint rerun in the original environment; case return 6.500.

DeepSeek-V4-Pro Policy rerun in Roundabouthighway state renderer

DeepSeek-V4-Pro

Claude Code
BEST
Held-out 分数
10.20
Checkpoint
#009
重跑
11 steps

Validation-selected checkpoint rerun in the original environment; case return 10.17.

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。

01DeepSeek-V4-ProClaude Code10.20
02GPT-5.5Codex9.818
03MiniMax-M3Claude Code9.521
04Claude Opus 4.7Claude Code9.331
05Random policyUniform7.188