基准
MountainCar
强化学习经典控制任务，小车在低谷中需反复摆荡蓄能登上山顶，奖励稀疏，对策略时序精细度要求高
时间轴 (近 90 天)
10月14日
五个经典控制任务通常指 CartPole、Acrobot、MountainCar、Pendulum 等，共同特征是状态连续变化、奖励每步或近似稀疏、对策略时序精细度要求远高于 LLM 生成。
待验证50%
8月28日
MountainCar问题由Andrew Moore于1990年在其博士论文中提出，用于展示值函数逼近方法在连续状态空间中的有效性
待验证50%
8月28日
MountainCar中的稀疏奖励特别考验强化学习算法的探索能力，包含信用分配和探索-利用权衡等RL核心难题
待验证50%