同一份契约，更难的阶梯。
同一份准入契约，沿着一架环境阶梯向上运行：从单人 Atari 到对阵引擎自带 AI 的实时 3D。每一级之间只有事实提取器在变。
每一级都附上样本量和对我们不利的结果，因为一架只会向上的阶梯更不可信，而不是更可信。
各级
| 级 | 考验什么 | 结果 | 对我们不利的 | 出处 |
|---|---|---|---|---|
| Atari《太空侵略者》与 Freeway | 原始像素；终局性失败与可恢复失败 | 《太空侵略者》+32% | Freeway −12%，同一份代码 | 失败优先模型 |
| Atari BattleZone | 从屏幕上操作坦克：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 | 实时 3D 坦克竞技场；语言模型作为驾驶者 | 规则击败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比赛中 BZFlag 自带的 AI 都击败了我们的规则；回放说明了原因 | 规则掌舵 |
| 《DOOM》与《德军总部 3D》 | 只会收窄的指令；由引擎教会的眼睛 | 规则 17.9 对随机 3.2（32 个种子）；E1M1 通关 | 其上的记忆是持平（t = 0.78）；E1M2 未通关 | VDSG · 失败优先模型 |
| 《辐射》（1997） | 长时程、对话、归咎 | 在同一个守卫面前死了 49 次的驾驶者只死一次，然后选择和平的台词 | 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；从清空的记忆中重新学习 | 留出的起点 10 次中 10 次，零碰撞，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；敌对控制器；模型驾驶 | 40 公里内覆盖 64,952 条敌对指令，零碰撞 | 语言模型因过时的“瞥视”以约 8–10 km/h 缓行 | CARLA 准入控制 |
| Quake III Arena 引擎（OpenArena 内容） | 连续 3D 中的高速弹丸与溅射；以游戏自带的机器人 AI 作为规划器，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，它的逃避动作仍会造成熔岩与虚空死亡（其中一张图 31 对 23）；从中学习的效果尚未显示 | — |
如何阅读
每一级是一次考验，而不是一座奖杯。BattleZone 与 BZFlag 考验决策节奏与交战；DOOM 与《德军总部》考验指令与感知；《辐射》考验长时程上的归咎；无人机考验重新学习；CARLA 考验地板对抗一个以撞车为目的的控制器。失利的那几行最有用：下一步工作就在那里。