概念Reward Shaping / 奖励设计
奖励塑造
奖励塑造是强化学习中设计和调整奖励函数的技术，通过合理构建奖励信号引导智能体学习期望行为，核心挑战是避免奖励黑客（Reward Hacking）问题
核心事实
时间轴 (近 90 天)
9月27日
奖励塑形是指在原始稀疏奖励之外加入额外的、更密集的引导性奖励信号，帮助智能体更快更正确地学习
已验证75%
奖励塑造是强化学习中设计和调整奖励函数的技术，通过合理构建奖励信号引导智能体学习期望行为，核心挑战是避免奖励黑客（Reward Hacking）问题
奖励塑形是指在原始稀疏奖励之外加入额外的、更密集的引导性奖励信号，帮助智能体更快更正确地学习