Mesurer la récupération dans un environnement défini.

Ce qui est testé

150 scénarios déterministes sur 50 grilles de navigation pondérées et entièrement observables. Les tests portent sur des politiques locales après un rejet d’exécution, pas sur des LLMs ou agents clients.

Taxonomie des échecs

Collision

Un déplacement vers une cellule bloquée est rejeté. L’état reste inchangé.

Chemin invalide

Un déplacement non adjacent est rejeté. Cette catégorie partage le préfixe d’état d’échec de la collision.

Fin prématurée

Une demande de fin avant d’atteindre la cible est rejetée.

Méthode

Réinitialiser, exécuter le préfixe de référence, injecter une action rejetée, lancer une politique locale bornée, vérifier transitions et état final, puis rejouer. La récupération exige d’atteindre la cible au coût total optimal exact d’origine.

Contrôles et résultats

Expérience locale de référence WFRB v0.

Récupération et oracle de coût exact validés, sur 300 cellules expérimentales par politique et par invocation. La seconde invocation répète ces cellules ; elle ne double pas l’échantillon indépendant.

Le planificateur voit toute la grille et les coûts et recalcule un plus court chemin. La marche aléatoire propose des déplacements cardinaux uniformes. La répétition aveugle répète l’action rejetée. Ce sont des contrôles, pas des références d’agents commerciaux compétitifs.

La marche aléatoire atteint la cible dans 27/300 cellules, mais seulement 4/300 satisfont le coût exact. Achèvement et récupération vérifiée sont deux mesures distinctes.

Reproductibilité

Deux nouvelles invocations locales de 900 essais chacune : 1 800 essais exécutés. Leurs flux de résultats sont identiques octet par octet ; horodatages et durée varient.

SHA-256 des résultats

Limites

Grilles solvables entièrement visibles, actions rejetées sans changement d’état. Aucun changement caché de carte, LLM, agent client, service externe ou API payante testé. Catégories corrélées et seeds déterministes ne sont pas des observations indépendantes.

Le résultat parfait du planificateur valide ce banc de test restreint. Il ne prouve pas une récupération générale ou une performance commerciale.

Essayer l’Explorer

L’Explorer utilise un sample public de navigation distinct. Ses chemins ne sont pas des journaux d’exécution d’agents WFRB.

Évaluation privée

Les résultats d’agents clients nécessitent des exécutions autorisées distinctes, un environnement cadré et des vérifications convenues.