对抗式奖励设计借鉴生成对抗网络（GAN）思路，用两个或多个相互制衡的评分器避免单一奖励被轻易 hack，其代价是训练成本上升、奖励信号方差增大，且若评分器共享同一偏见则对抗效果大打折扣。