REVERSAL-BENCH研究无外部重置的自主强化学习，发现环境不可逆性会导致“可逆性悬崖”：不可逆程度升高时，无重置智能体易被永久困于不可恢复状态，学习停滞，而情景式智能体仍能稳定学习。该问题由不可逆性而非障碍复杂度导致。研究发布了基准、多模拟器数据集与重置预言机，并评估了安全防护机制。