REVERSAL-BENCH 可逆性基准

研究提出 REVERSAL-BENCH，通过连续参数 ρ 控制环境可逆性，并提供重置预言机以验证状态可恢复性。该基准覆盖五种物理引擎下的八种操作任务，旨在量化自主强化学习在不可逆真实场景中的性能悬崖。

论文提出REVERSAL-BENCH基准，通过连续参数ρ控制可逆性并提供重置预言机，在五个物理引擎的八个操作场景中测试状态可恢复性。实验揭示明显的可逆性悬崖：随ρ升高，无重置智能体持续陷入不可恢复状态，而分幕智能体保持稳定学习。研究还评估了在不可逆失败前干预的安全盾。