学者提议用转换复杂度刻画游戏世界，强化学习评测缺一把尺

在强化学习（RL）与游戏世界建模（GWM）研究中，「环境到底有多难」始终缺乏统一度量。许多工作直接把像素、token 或潜变量当作接口，却没有量化在这些接口下的转换预测难度，使得不同论文之间的对比常常难以解释。arXiv 上的一篇立场论文尝试改变这一现状，提出了一套名为 Transition Complexity Profile（TCP）的可复现评测框架。

TCP 的三大维度

论文将环境的转换核拆解为三个可测量成分：

• 内在单步分支度：衡量在固定历史下，环境下一步可能状态的数量与分布，反映游戏本身的随机性。
• 交互引发的不确定性与对手影响：在可观测的设置下，纳入其他智能体或玩家行为带来的不确定性，刻画多智能体或对抗场景的复杂度。
• 时序与空间依赖跨度：通过标准化探针曲线，测量环境信息在时间步与空间范围上的衰减情况。

这三者共同构成 TCP 的指标集合，使研究者可以从不同角度刻画一个环境，而非仅依赖单一的整体难度评分。

强调可比性与可复现性

作者特别指出，仅给出指标数字并不足以支撑跨论文比较。TCP 在报告中必须配套三个要素：

• 显式的参考分布：让指标值具有相对意义，而非孤立数字。
• 协议随机性说明：明确采样与重采样的方式。
• 版本化的测量预算：固定探针计算量，避免不同算力下的指标漂移。

这三点共同保证 TCP 数值在不同论文、不同实验环境之间具备可比性，也是该框架区别于以往「凭感觉评估环境难度」的关键设计。

面向常见游戏家族与神经游戏引擎

论文还概述了传统游戏家族（如 Atari、棋类、即时战略类）以及近年兴起的「神经游戏引擎」域在 TCP 三维度上的典型分布形态，展示了如何用同一框架覆盖从像素级到潜变量级、从单智能体到多智能体的不同任务。

倡议纳入基准标配

论文的核心呼吁是：TCP 应作为游戏世界建模与强化学习论文中的标准基准元数据，并成为相关实验的必备统计量。作者认为，只有当环境难度被显式量化，模型之间的能力比较与论文中的「SOTA」声明才有更坚实基础。该立场是否会被主流会议与基准（如 Procgen、NetHack、ALE 等）采纳，仍有待后续社区反馈。