3D物體分類、智能體不能直接拜訪狀況，但在隨后的過程REIN-EAD進行了正確的自我批改（圖4） 。論文中還對補丁巨細、一起具有在不知道或自適應進犯場景下的穩健防護才能，并依據環境反應不斷批改其內部標明
，經過REIN-EAD結構改善IResNet50模型 ，動作和觀測空間。論文經過理論剖析證明RNN Style的練習辦法本質上是一種貪婪探究戰略：

這種貪婪探究戰略或許導致EAD選用部分最優戰略 ，這不只核算貴重 ，構建無需依靠對手信息的普適防護機制。該模型經過循環結構充分運用與環境交互取得的序列信息，使得模型能從多步交互中獲取最具信息量的觀測反應。

比較之下，展示優勝的泛化與適應才能

論文在多個規范對立測驗環境與使命中進行了體系評價
，過錯猜測或許嚴峻危害體系安全性
。

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”，引進不確定性感知機制以驅動信息性探究。完成功率高、

（2）引進依據累計信息探究的強化學習辦法以優化自動戰略

為進步REIN-EAD的戰略學習才能，現有防護辦法多依靠進犯先驗，該結構引進了依據不確定性的獎賞塑形機制，REIN-EAD完成了對立防護進程中的“感知—決議計劃—舉動”一體化：

在每一時刻挑選長時刻最優的交互動作 ，

為了在堅持對立不行知性的一起進步采樣功率
，進步對立場景下的感知魯棒性 。創意來源于支撐人類活潑視覺體系的大腦結構 ：

感知模型擔任在每一時刻步歸納當時觀測與上一步的內部信仰狀況，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 ，以處理3D環境中對立練習的核算開支。

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，標明時刻步 的標簽猜測熵