RSI-Exam

每个任务都提供可执行基线和可见的开发环境。代理保存并测试候选版本，然后提交在密封环境中的隐藏集上不变地重新运行的代码。域本地指标通过固定评分定义进行映射，以使进度在任务之间具有可比性。

第一个版本包含跨六个广泛领域的88个任务，包括35个公共任务和53个私有任务。RSI-Exam对于研究代理可靠性、可转移改进和长期实验非常有用。保存的轨迹、制品版本和资源使用使开发过程可检查。