共识机制

无奖励筛选采用共识机制（多次采样接管，保留结果一致的片段）或LLM评判（由大模型判断接管是否合理）来过滤低质量轨迹，整个过程不依赖任务成功信号。

共识机制是指LLM生成答案时倾向于采纳多个来源一致认可的信息，若品牌在Reddit、行业论坛、新闻网站和官方文档中被相似方式描述，模型更可能采用该描述。