奖励稀疏

RNA逆设计是一个组合优化问题，且奖励稀疏，只有完整序列才能评估结构是否匹配。

验证信号（Verification Signal）是衡量 agent 输出正确性的反馈来源；代码场景中编译器、单元测试、类型检查器提供机器可读的确定性信号，而文档撰写、需求整理等开放式任务缺乏自动化判据，agent 无法在无人干预下闭环优化。