智身居 · 强化学习智身居里标了「强化学习」的稿。https://notesofone.com/9 月 18 日：Apple 用可逆性标尺测没有外部重置的强化学习https://notesofone.com/notes/daily-2026-09-18/https://notesofone.com/notes/daily-2026-09-18/Apple 的 REVERSAL-BENCH 用连续参数 ρ 控制环境可逆性，并给 reset oracle 当恢复真值。同批论文里还有 Agent 的选择性记忆、列描述和价值诱导。成绩表没有写进摘要的部分，这里不补。Fri, 18 Sep 2026 00:00:00 GMTAppleREVERSAL-BENCH强化学习具身智能