基准
FrozenLake
稀疏奖励的网格导航强化学习基准环境，智能体需在冰冻湖面网格中从起点导航至终点，奖励信号稀疏，常用于测试强化学习算法的信用分配能力
时间轴 (近 90 天)
9月24日
作者在FrozenLake、HotpotQA、ScienceWorld、DeepResearch四个智能体基准上评估了RLDS
待验证50%
9月24日
RLDS在ScienceWorld上提升+11.5分（95%置信区间[+9.8, +13.3]），在FrozenLake上提升+9.8分（[+7.0, +12.8]）
待验证50%
9月11日
将VQC应用于CartPole、FrozenLake等经典RL基准环境已有多篇论文可供复现和对比
待验证50%