Sliding Puzzles Gym：视觉强化学习中状态表征的可扩展基准

基于摘要分析。该研究针对视觉强化学习（RL）基准难以单独评估不同归纳偏置对泛化能力影响的问题，提出 Sliding Puzzles Gym（SPGym），以经典滑块拼图构建可调视觉复杂度的状态表征评估任务。 核心设计是通过调整网格大小及拼图块所用的图像池改变视觉复杂度；摘要同时称环境动力学、观测空间和动作空间保持固定。网格变化如何与这些固定要素兼容、不同难度条件下如何保持任务可比性，尚需正文核对。该基准旨在隔离视觉表征挑战，而非仅比较完整 RL 系统的总体性能。 作者报告，在其对 model-free 与 model-based 算法的实验中，随着图像池扩大，所有受测算法在分布内与分布外条件下均出现性能下降，较复杂的表征技术也经常不及数据增强等较简单方法。摘要未给出算法名称、性能指标、下降幅度或数据划分，因此这些结论仅适用于作者所述实验，不能扩展为复杂表征方法普遍无效。实验协议、消融及统计信息尚未验证；复现还需核对图像池构成、分布外条件定义、训练预算与实现可用性。 平台推测（待验证）：SPGym 将视觉多样性作为可控评估因素的思路，可能启发 EEG 表征模型的鲁棒性测试，但图像拼图中的视觉变化不能直接等同于 EEG 的被试、通道或会话差异。当前材料不足以建立具体的 EEG 迁移机制，尚未检索确认已有 EEG 相关工作。