记忆任务 · 实验索引
RoboDojo · GPT 规划器实验
用 GPT-6 Astra 当规划器，在 RoboDojo 的 6 个记忆任务上比较不同框架、历史设置和观测文字：每一轮都有成功率、钱花在哪，以及每一局的逐回合回放。第一轮的页面在主结果站。最新一张卡是 GPT 规划器调用 75k WAM 技能策略的混合冒烟（不是记忆任务）。
钱花在哪了：各轮对比
每次调用的钱 = 缓存写入（12.5 USD/M）+ 缓存读取（1 USD/M）+ 输出（50 USD/M）。缓存只认「与上一次请求相同的开头」，所以请求越短、开头越稳定，重写的越少。
| 方案 | 成功 | 总花费 | 每格调用 | 每次输入 token | 缓存命中 | 每次重写 token | 每次调用 缓存写入 缓存读取 输出 |
|---|---|---|---|---|---|---|---|
| 旧框架do_harness（astra），第一轮对照 | 11/18 | $45 | 22.8 | 9,181 | 17% | 7,609 | $0.110 |
| B · 第一轮纯文字记忆，缺按钮补丁和姿态库 | 13/18 | $278 | 99.1 | 15,268 | 26% | 11,364 | $0.156 |
| B · 第二轮纯文字记忆：最近 2 轮 + STATE + 调用日志 | 15/18 | $253 | 88.9 | 15,483 | 25% | 11,560 | $0.158 |
| S · 第二轮只带状态记录：最近 1 轮 + STATE + 当前观测 | 15/18 | $155 | 101.8 | 10,576 | 48% | 5,451 | $0.085 |
| SC · 第三轮S + 精简每轮文字 | 14/18 | $79 | 94.8 | 6,830 | 66% | 2,356 | $0.046 |
| SCF · 第四轮SC + 少调用（一次 move_to / reset、等待 1-100 步、并行查询）+ 计数规则 + 恢复 | 16/18 | $49 | 56.7 | 6,986 | 65% | 2,425 | $0.048 |
| SCM · 第四轮SCF + 一次串多段移动（最多 4 段）+ 训练姿态表放进首条消息 | 14/18 | $31 | 30.5 | 10,672 | 76% | 2,549 | $0.056 |
| 75k WAM + GPT · 混合冒烟4 格冒烟：75k WAM 技能策略 + GPT 规划器（SCF 设置），不是记忆任务 | 4/4 | $14 | 67.8 | 8,697 | 70% | 2,648 | $0.051 |
- 少带历史（B → S）：每次调用 $0.158 → $0.085，缓存命中 25% → 48%，成功率不变（15/18 vs 15/18）。
- 精简每轮文字（S → SC）：每次调用 → $0.046，每次输入 10,576 → 6,830 token，每次重写进缓存 5,451 → 2,356；成功 14/18（少 1 格，imitate 白等的问题补跑已修好）。
- 少调用（SC → SCF → SCM）：每格调用 94.8 → 56.7 → 30.5 次（SCM 是 SC 的 ×0.32），总花费 $78.68 → $49.13 → $30.60；每次调用反而贵了一点（$0.046 → $0.048 → $0.056，SCM 首条消息带训练姿态表、一次调用做的事更多），成功 14 → 16 → 14/18。
- SCM 是第一个总花费低于旧框架的 RPent 方案：$30.60 vs $45.25；每格调用仍比旧框架多（30.5 vs 22.8 次），便宜在每次调用（$0.056 vs $0.110，缓存命中 76% vs 17%）。
-
混合冒烟2026-09-28 · 4 个任务 × 1 局 · GPT 规划器 + WAM 技能策略
75k WAM + GPT 规划器（SCF 设置）冒烟 vs 09-25 的 skill30 + GPT
GPT-6 Astra 规划、DO-WAM config_exp WSD-S c02 75k EMA 当技能策略，用第四轮 SCF 的设置（最近 1 轮 + STATE、精简文字、少调用）。对照是 2026-09-25 的 skill30 + GPT 混合评测（skill30 w125 spell02 30k EMA；发布包、推理强度、回合上限都不同，是跨框架冒烟，不是消融），以及第四轮纯 GPT 的 SCF 两格。
4 格全部成功，共 $13.70。共有的 3 格（general_pickup、cover_blocks、swap_blocks）：$11.68 vs $44.03（×0.27，省 73%），成功 3/3 vs 2/3。调用反而多 30%（236 vs 182 次），便宜在每次调用（$0.050 vs $0.242）：09-25 的版本每次重发整段历史和所有图片（每次输入 8.6k vs 150k token）。
打开对比、调用分析与回放 →75k + GPT4 格冒烟 4/4 成功 $13.7075k + GPT共有的 3 格 3/3 成功 $11.68skill30 + GPT2026-09-25，同 3 格 2/3 成功 $44.03纯 GPT · SCF第四轮，2 格参照 2/2 成功 $7.96花费条：和下面各轮同一个比例尺（这张卡每组只有 2–4 格）。
-
第四轮2026-09-28 · 6 个记忆任务 × 3 局 · 与第三轮 SC 配对
少调用（SCF）与一次串多段移动（SCM）vs SC
SCF = SC + 少调用（一次 move_to / reset、等待 1-100 步、并行查询）+ 计数规则 + 恢复；SCM = SCF + 一次串多段移动（最多 4 段）+ 训练姿态表放进首条消息。三次独立运行、发布包不同，但框架相同、场景相同（layout 0，seed 0–2），按任务 + seed 配对；SC 就是第三轮的 SC 组。
关键是调用次数：每格 94.8 → 56.7 → 30.5 次调用（SC → SCF → SCM），总花费 $78.68 → $49.13 → $30.60（SCM 是 SC 的 ×0.39），成功 14 → 16 → 14 格。每次调用 $0.046 → $0.048 → $0.056，略贵。SCM 是第一个总花费低于旧框架（$45.25）的 RPent 方案。 18 个同场景：三组都成功 12 个；SC、SCF 成功、SCM 失败 2 个；SCF、SCM 成功、SC 失败 2 个；三组都失败 2 个。
打开对比、调用分析与回放 →SC 组第三轮的基线 14/18 成功 $78.68SCF 组SC + 少调用 16/18 成功 $49.13SCM 组SCF + 一次串多段移动 14/18 成功 $30.60花费条：四轮用同一个比例尺。
-
第三轮2026-09-28 · 6 个记忆任务 × 3 局 · 与第二轮 S 组配对
精简文字（SC）vs 完整文字（S）
SC = 第二轮 S 组的历史设置（最近 1 轮 + 携带 STATE + 当前观测）+ 精简观测文字（compact_v1）；S = 第二轮的 S 组（2026-09-27，同一批 18 局）。两次独立运行、发布包不同，但框架相同、场景相同（layout 0，seed 0–2），按任务 + seed 配对。
SC 14/18 vs S 15/18 成功（SC 组少 1 格），SC 组总花费是 S 组的 ×0.51（省 49%）。每次调用 ×0.54，调用次数 ×0.93。18 对同场景：12 对都成功，只有 SC 成功 2 对，只有 S 成功 3 对，都失败 1 对。
2 个补跑，各在 SC 上改一处：imitate_sorting_sequence（保留当前官方步数）2/3，同任务 SC 1/3，不再白等；press_by_number（计数规则）2/3，同任务 SC 2/3，没有再多按。
打开对比、补跑与回放 →SC 组只带状态记录 + 精简文字 14/18 成功 $78.68S 组只带状态记录，完整文字 15/18 成功 $155.28补跑（各 3 局，只跑一个任务）
补跑 SCL2/3 成功$26.59补跑 SCR2/3 成功$19.56花费条：四轮用同一个比例尺。
-
第二轮2026-09-27 · 6 个记忆任务 × 3 局 · 配对
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。
打开对比与回放 →S 组只带状态记录 15/18 成功 $155.28B 组纯文字记忆 15/18 成功 $253.05 -
第一轮在主结果站2026-09-27（旧框架 2026-09-24）· 6 个记忆任务 × 3 局
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。
在主结果站打开对比与回放 ↗新框架RPent 纯文字记忆 13/18 成功 $278.08旧框架do_harness（astra） 11/18 成功 $45.25