标签
REVERSAL-BENCH 引入了一个基准，用于测量无重置强化学习中的可逆性，揭示了一个'可逆性悬崖'，其中智能体在不可恢复的状态中失败。该基准包括一个连续的可逆性参数和一个重置预言机，用于在多个环境中测试状态可恢复性。