主动推理中的信息探索优势分析

研究对比了主动推理（AIF）与 Bayes-UCBVI 的探索机制，发现原始 AIF 的信息增益衰减过快会导致贪心智能体错失最优动作。通过平方根校准后，calibrated AIF 在精确抽象下可达到 $\sqrt T$ 阶遗憾界，但固定奖励下并不优于 Bayes-UCBVI。