一级比一级难。败绩照样摆上桌。
八级阶梯，从 Atari 到 Quake III 引擎，每一级都是同一道“放行还是拒绝”的检查。在同一个守卫面前死了 49 次的驾驶者，现在只死一次，然后选和平的台词。记忆清空后重新学的无人机，留出的起点 10 次中 10 次成功、零接触，基线只有 10 次中 1 次。它会适应，但围着它的规矩纹丝不动。
新兵过了最简单的那条训练道，你不会因此就信他。这里一级比一级难，每一级都附上样本量和对我们不利的结果。每一级之间，只有读屏幕的那部分在变。
各级
| 级 | 考什么 | 结果 | 对我们不利的 | 出处 |
|---|---|---|---|---|
| Atari《太空侵略者》与 Freeway | 原始像素；一错就完的失败与还能爬起来的失败 | 《太空侵略者》+32% | Freeway −12%，同一份代码 | 失败优先模型 |
| Atari BattleZone | 看着屏幕开坦克：搜索、交战 | 27,000 对随机 3,000，不开火 0（10 个种子） | 一条闪避规则在验证中被否决（24,800 对 28,000） | 规则掌舵 |
| BZFlag | 实战节奏的 3D 坦克竞技场；语言模型驾驶 | 规则打赢了所有语言模型驾驶者（38 场计入的比赛） | 在每一场对等的正面对抗中，BZFlag 自带的 AI 都打赢了我们的规则；回放说明了原因 | 规则掌舵 |
| 《DOOM》与《德军总部 3D》 | 只会收紧的命令；由引擎教出来的眼睛 | 规则 17.9 对随机 3.2（32 个种子）；E1M1 通关 | 其上的记忆层打平（t = 0.78）；E1M2 未通关 | VDSG · 失败优先模型 |
| 《辐射》（1997） | 长任务、对话、弄清到底是什么让它送了命 | 在同一个守卫面前死了 49 次的驾驶者，现在只死一次，然后选和平的台词 | 在脚本化场景中展示；开放游戏仍然很难 | 失败优先模型 |
| 无人机赛道 | 3D 飞行；记忆清空后重新学 | 留出的起点 10 次中 10 次，零接触，基线 10 次中 1 次 | 种子只改变起始姿态 | 失败优先模型 |
| CARLA | 照片级驾驶；一心想撞车的控制器；模型驾驶 | 40 公里内覆盖 64,952 条敌对指令，零碰撞 | 语言模型因为看得太慢，只能以约 8–10 km/h 缓行 | CARLA 准入控制 |
| Quake III Arena 引擎（OpenArena 内容） | 开阔 3D 空间里的高速弹丸与溅射；游戏自带的机器人 AI 驾驶，对阵 5 级（“Nightmare!”）机器人 | 9 场成对比赛：带地板 K/D 1.05，同一机器人不带地板 0.93；每场净差 +12.2（t = 2.02，p = 0.08） | 不显著；在有危险地形的地图上，它的躲避动作仍会导致掉进熔岩和虚空而死（其中一张图 31 对 23）；从中学习的效果还没显示出来 | — |
怎么看
每一级是一场考核，不是一座奖杯。BattleZone 和 BZFlag 考决策速度和交战；DOOM 和《德军总部》考命令和识别；《辐射》考长任务中的归责；无人机考重新学习；CARLA 考地板顶不顶得住一个一心想撞车的控制器。输掉的那几行最有用：下一步的工作就在那里。
在仿真中学，把教训往前带，到物理世界里验证。这三步只完成了第一步。路线图上的下几级——硬件在环，然后是低成本机器人——还没有造出来。造出来以后，也按同样的方式登进这张表，败绩照登。