信念修正和更新是信念改变的两个重要分支，均旨在研究智能体如何根据新信息修改其信念。它们之间最显著的区别在于前者研究的是静态世界中的信念改变，而后者主要关注动态世界的信念改变。著名的AGM和KM公设被分别提出用于刻画理性的信念修正和更新。然而，它们的约束过于宽松，不足于排除迭代过程中一些不可理的信念改变。为此，DP公设及其扩展被相继提出以描述合理的迭代信念修正行为。进一步地，Ferme和Goncalves将这些公设融合进信念更新中。但是他们提出的关于信念状态和用于语义描述的可信赋值存在一些冗余的组件。更重要的是，他们的方法并没有满足迭代信念更新所要求的理想性质，并且缺乏关于DP公设在信念更新中合理性的讨论。本文旨在弥补他们方法的上述不足。首先，我们基于信念状态，对原始KM公设做出了修改，并提出了可信集合赋值用于将每个信念状态映射到偏序上。然后，我们将迭代信念修正中的几个著名的公设迁移到信念更新中。针对每个提出的公设，我们基于偏序提供了对应的精确语义刻画。最后，我们分析了这些迭代更新公设和信念更新中KM公设之间的兼容性。