該方針經過一系列舉動和調查來最小化方針變量的不確定性 ，論文中還對補丁巨細 、
經過感知模型與戰略模型的閉環聯動 ，
特別地，
REIN-EAD運用探究和與環境的交互來將環境信息語境化 ，圖3） 。
△表4：方針檢測驗驗成果
△圖5：方針檢測驗驗的REIN-EAD可視化示例
方針檢測驗驗的可視化動態示例
此外 ，
這種自動防護機制突破了傳統靜態防護戰略在魯棒性與適應性方面的瓶頸 ，智能體不能直接拜訪狀況，經過對立補丁流形的離線近似 ，經過引導式密布獎賞優化多步探究途徑 ，結合猜測丟失和熵正則化項，
論文 ：https://arxiv.org/abs/2507.18484
代碼 ：https://github.com/thu-ml/EmbodiedActiveDefense
本文來自微信大眾號“量子位”，
為了在堅持對立不行知性的一起進步采樣功率