基准
Pendulum
强化学习经典控制任务，倒立摆连续控制系统，需要精细的时序控制策略保持摆杆竖直
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%
强化学习经典控制任务，倒立摆连续控制系统，需要精细的时序控制策略保持摆杆竖直
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。