Agent 学习与策略优化哪类任务该用结果奖励,哪类该用过程奖励?本页总览哪类任务该用结果奖励,哪类该用过程奖励?Agent 学习与策略优化中级学习与策略优 题目 哪类任务该用结果奖励,哪类该用过程奖励? 参考答案 点击展开参考答案 结果奖励评价最终产物;过程奖励评价中间步骤,可提供更细粒度的学习或搜索信号。 过程标签成本较高,也可能误罚正确但不同的解法。 过程奖励不能替代最终正确性验证,尤其要防止模型迎合评分器措辞。