视觉为镜面迷宫带来了什么？

在相同地图上比较

每个配对的地图、起始位置和朝向、目标相同。32 组配对中，纯文本通关 23 关，视觉通关 13 关。

纯文本只在开头给出规则，随后给出按顺序排列的动作结果。视觉还会给出第一视角画面。两种协议都允许一次执行多个合法动作，撞墙后仍会执行该批次的后续动作。

部分配对的 DeepSeek 模型来源、AGY 客户端版本和提示不同。视觉组四条 Sol 中等成功轨迹保留原始 500、500、200、200 轮预算，且均在 400 轮以内完成。结果反映两套完整系统的表现。

调整轨迹预算

筛选已记录的轨迹，查看在撞墙或基础动作上限内仍能通关的数量。采用新预算重跑时，模型可能改变策略。

一次规划可以包含多个基础动作。撞墙数只统计前进撞上墙壁，无效动作序列另计。

回放纯文本轨迹

地图仅供读者查看。用上一步和下一步逐个查看动作或规划轮次。红色边表示本次前进撞到的墙。

8 段逐关对比

每段视频对比一张地图上的四组模型与客户端。视觉和纯文本使用相同的规划轮次时间轴。计数器分别显示基础动作、撞墙和探索覆盖率。

盲走与环路

固定沿墙策略只用前进成功或撞墙反馈，在原始朝向下通过 8 张无环地图。下面的离线模拟枚举初始朝向并随机增设通道，保留格子和目标。记录相对位置的深度优先搜索加入环路后仍能通过绝大多数试验。

复现实验

下方提供纯文本轨迹和配对预算数据。