REVERSAL-BENCH：测量无重置强化学习断崖的可逆性维度与 reset oracle

研究团队推出强化学习基准 REVERSAL-BENCH，通过连续参数 ρ ∈ [0, 1] 控制可逆性，并在 5 个物理引擎的 8 种操作场景中提供状态可恢复性验证机制 reset oracle。评测揭示了显著的可逆性断崖：无重置智能体会随 ρ 增大永久陷入不可恢复状态并导致学习停滞。团队同步发布了该基准套件、标注可恢复性的多仿真器数据集以及 reset oracle。