搜索面试经历、知识题和 Coding 题。
至少输入两个字符。结果覆盖知识库、面试、Coding、公司和主题。
为具身智能面试中反复出现的概念提供标准答案。
当前主题：evaluation-benchmarks
共 4 个问题
自动基准（知识、推理、代码）、困惑度、成对胜率与 LLM-as-judge、人类偏好竞技场，配合安全评测与数据污染检查。
仿真操作基准有 LIBERO、Meta-World、RLBench、CALVIN、RoboCasa 等，分别考察持续学习、多任务、长时序语言跟随等能力；RT-1/RT-2 是模型而非基准。
闭环 rollout 是环境与策略的持续交互循环：观测 → 策略推理动作块 → 环境推进 → 重观测；外围再包数据采集与训练更新，工程关键是时序对齐、可复现重置与异步并行。
开环评测只测单步拟合质量，看不到策略自己制造的分布偏移与误差累积；闭环评测让策略持续控制环境直到成败，测的是「错了能不能纠正」的稳定成功率，才接近真实表现。