LunarLander PPO Pro
生产级 PPO 智能体（Pretrain + Polishing 流水线），对照 beachcities/ppo-LunarLander-v3-A100-SOTA。
评估结果
| 口径 | Mean | Std | 说明 |
|---|---|---|---|
| 课程对照 (10局随机) | 170.96 | 104.50 | cert=66.47 |
| Global Deterministic (n=100) | 265.66 | 53.41 | 工作验收主指标 |
| Best-Batch Top-10 | 310.02 | 3.94 | 单局最高 319 |
回放视频为 deterministic 策略首局，得分约 283。
用法
见仓库 unit8-lunarlander-ppo-pro/README.md。
Evaluation results
- global_mean_deterministic on LunarLander-v3self-reported265.66 +/- 53.41