面向不確定性的獎賞塑形在每一步供給密布的獎賞 ，

比較之下，標明時刻步 的標簽猜測熵
，并進一步剖析了累積信息戰略比較貪婪信息戰略的功能優勝性 。一起堅持了模型規范精度 ，

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，

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，以全面的驗證REIN-EAD面臨不知道進犯對手的泛化才能