元奖励

GraphEvoResearcher 设计了图感知元奖励函数，综合五类信号来决定下一步动作：正确性、效率、反思质量、多样性和结构信号（连通性、无环性、分支覆盖率、路径收敛度）。

元奖励在此指的不是任务本身的正确性得分，而是对“推理过程质量”的评估信号，用于决定下一步采取修正、回溯还是停止等元动作。