资讯1 分钟阅读·
苹果发布REVERSAL-BENCH基准：自评显示免重置强化学习遇“可逆性悬崖”
苹果机器学习研究团队介绍REVERSAL-BENCH基准，论文9月15日提交arXiv：以连续参数ρ控制环境可逆性，配重置oracle检验状态可恢复性，覆盖五个物理引擎、八个操作任务。团队自评显示，随ρ升高，免重置强化学习智能体被持续吸收进不可恢复状
重要性局部证据E2 未复现
苹果机器学习研究团队介绍REVERSAL-BENCH基准，论文9月15日提交arXiv：以连续参数ρ控制环境可逆性，配重置oracle检验状态可恢复性，覆盖五个物理引擎、八个操作任务。团队自评显示，随ρ升高，免重置强化学习智能体被持续吸收进不可恢复状态、学习停滞，情节式智能体则保持稳定；基准与数据集已放出。