鼓舞智能體到達信息豐厚且魯棒的認知狀況，作者：清華朱軍團隊 ，但是，使得模型能從多步交互中獲取最具信息量的觀測反應。并改善其對方針目標的了解。

試驗成果標明，

論文中還證明了這種獎賞塑形與多步累積交互方針的等價性（細節拜見論文）
。這類進犯經過在三維物理場景中放置精心規劃的擾動物體（如對立補丁和三維對立物體）來操作深度神經網絡的猜測成果。經過約束戰略的巨細來完成安穩的戰略更新。進犯強度等多個不同的進犯對手戰略進行了彌補試驗
，

論文中對所提出的多步累積交互方針與累積信息探究的界說一致性進行了證明 ，而不是只專心于單步。此類縫隙的成果尤為嚴峻