Agent 学习与策略优化稀疏与延迟奖励的塑形与权衡本页总览稀疏与延迟奖励的塑形与权衡Agent 学习与策略优化中级学习与策略优 题目 稀疏与延迟奖励的塑形与权衡 参考答案 点击展开参考答案 奖励函数要处理稀疏与延迟信用、多目标标度、塑形边界和可钻漏洞,并用消融与安全指标验证。 追问方向:可继续推导 potential-based shaping、GAE,或设计奖励黑客的对抗测试。