电动汽车充电仿真基准中的静默奖励与环境缺陷：一份诊断清单

一项审计发现，基于SUMO等微观交通仿真器构建的电动汽车充电强化学习基准存在五类静默缺陷，仿真照常完成却使智能体架构比较产生偏差。研究量化了其中三类：拒绝计数器最多虚高125倍、奖励项被压缩至预期规模的约10⁻⁴、状态编码不匹配导致贪心动作分歧达16.6%/16.3%。作者提出八项检查清单作为低成本初审，后续重新生成时有三项检查捕获了两个新缺陷。