Agent 学习与策略优化后训练阶段怎样防止「越长越好」把真正的质量提升盖住?本页总览后训练阶段怎样防止「越长越好」把真正的质量提升盖住?Agent 学习与策略优化中级学习与策略优 题目 后训练阶段怎样防止「越长越好」把真正的质量提升盖住? 参考答案 点击展开参考答案 分别报告原始胜率、长度分布和同等输出预算下的任务正确率;对等质量的长短答案做成对测试,并校准偏好标注规则。 不能简单奖励短答案,必要解释与无关冗长应分开。