用 N-Queens 后训练验证模型能否学会回溯：可跨环境迁移的实验设计

waterloointern 提出实验假设：在 N-Queens 全解环境中做后训练，看 rollout 能否让模型学会算法化回溯，再放入未见迷宫环境对比基线与训练后表现；若相当甚至更差，说明学到的不是可泛化搜索能力。Hanchung Lee 回应称这本质是 meta learning，难点在问题规格化与环境形式化。