实验以结构化场景文本驱动四款模型游玩Doom，对比击杀数与生存时间。
推荐理由：同一种子只保证开局可比，后续状态会因动作迅速分叉；这套文本化视觉输入更适合检验小模型的闭环决策与生存能力，而非排名通用智能。
阅读原文