arXiv 2026年10月7日该工作提出有限深度框架，用参考环境信息近似策略Hessian与混合导数来估计策略敏感度，其可调传播深度决定沿轨迹截断导数传播的位置；作者刻画了被截断的导数贡献并给出截断误差界，证明该界随深度非增且在全时域传播时消失，并在信念驱动的追逃博弈中验证：随深度增加导数估计误差总体下降，估计精度与策略适应优于基线，基于敏感度的初始化相对直接迁移提升了零样本回报并在后续微调中显示优势。该工作提出有限深度框架，用参考环境信息近似策略Hessian与混合导数来估计策略敏感度，其可调传播深度决定沿轨迹截断导数传播的位置；作者刻画了被截断的导数贡献并给出截断误差界，证明该界随深度非增且在全时域传播时消失，并在信念驱动的追逃博弈中验证：随深度增加导数估计误差总体下降，估计精度与策略适应优于基线，基于敏感度的初始化相对直接迁移提升了零样本回报并在后续微调中显示优势。有限深度策略敏感度：截断导数传播即可预测交互智能体行为变化下的策略调整该工作提出有限深度框架，用参考环境信息近似策略Hessian与混合导数来估计策略敏感度，其可调传播深度决定沿轨迹截断导数传播的位置；作者刻画了被截断的导数贡献并给出截断误差界，证明该界随深度非增且在全时域传播时消失，并在信念驱动的追逃博弈中验证：随深度增加导数估计误差总体下降，估计精度与策略适应优于基线，基于敏感度的初始化相对直接迁移提升了零样本回报并在后续微调中显示优势。该工作提出有限深度框架，用参考环境信息近似策略Hessian与混合导数来估计策略敏感度，其可调传播深度决定沿轨迹截断导数传播的位置；作者刻画了被截断的导数贡献并给出截断误差界，证明该界随深度非增且在全时域传播时消失，并在信念驱动的追逃博弈中验证：随深度增加导数估计误差总体下降，估计精度与策略适应优于基线，基于敏感度的初始化相对直接迁移提升了零样本回报并在后续微调中显示优势。