RoboDojo · GPT 规划器实验

只带状态记录（S）vs 纯文字记忆（B）

同一套 RPent 框架、同一个发布包、同一批场景（layout 0，seed 0–2），只换历史设置。S：最近 1 轮 + 携带 STATE + 当前观测；B：最近 2 轮 + 携带 STATE + 调用日志。

成功率相同（各 15/18），S 组总花费是 B 组的 ×0.61（省 39%）。每次调用 ×0.54，调用次数 ×1.15。18 对同场景：14 对都成功，只有 S 成功 1 对，只有 B 成功 1 对，都失败 2 对。

新框架（RPent 纯文字记忆）vs 旧框架

新框架 = RPent（最近 2 轮 + 携带 STATE + 调用日志，即第二轮的 B 组设置）；旧框架 = GPT-only do_harness（astra）。不是受控 A/B：工具、回合预算和完成判定都不同，只有 s0 / L0 是同一个场景。

新框架 13/18 vs 旧框架 11/18 成功，总花费是旧框架的 ×6.15。

swap_blocks 不可比：新框架这次关着弹簧按钮复位补丁，这个任务怎么按都不会判成功（旧框架开着）；去掉 swap_blocks 后，新框架 13/15 vs 旧框架 8/15。新框架这次还漏装了训练姿态范围库。