ControlHarbor 发布 44 项任务、覆盖 13 类系统,用保留种子、物理扰动与结构性要求评估编码智能体生成的控制器。控制器以单个 Python 文件把测量映射为动作,不使用神经网络。 团队发现,部分会话能达到强化学习参照回报,但只按回报通过的控制器往往无法应对扰动。不同结构设计与强化学习方法在强扰动下各有局限。基准、控制器和评分均公开,结果不意味着智能体已经可靠胜任真实控制系统工程。 来源:arXiv。 配图:GETAI.APP 原创主题插画,非新闻现场实拍或官方产品界面。