REVERSAL-BENCH：用可逆性轴与重置预言机测量无重置强化学习的悬崖

Apple 研究团队发布 REVERSAL-BENCH，通过连续参数 ρ∈[0,1] 控制环境可逆性，并提供重置预言机在五种物理引擎的八种操作任务中验证状态可恢复性。评测显示，随着 ρ 升高，无重置智能体被持续吸收进不可恢复状态，而分幕式智能体保持稳定学习，形成明显的"可逆性悬崖"。团队同时开源基准套件、带可恢复性标注的多模拟器数据集与重置预言机，并验证了在不可逆失败前介入的安全护盾。