概念dense reward
密集奖励
强化学习中的奖励设置，在每一步或每个里程碑都给出进展度量，能提供平滑学习梯度，但前提是必须存在对'进展'的客观定义
时间轴 (近 90 天)
10月14日
密集奖励能提供平滑的学习梯度，但前提是必须存在对'进展'的客观定义，否则每步反馈都是主观判断，不可复现且无法规模化。
待验证50%
10月14日
如果规格写得不够具体，密集奖励会自信但错误，并导致Agent直接优化到规格与现实之间的缝隙里。
待验证50%
强化学习中的奖励设置，在每一步或每个里程碑都给出进展度量，能提供平滑学习梯度，但前提是必须存在对'进展'的客观定义
密集奖励能提供平滑的学习梯度，但前提是必须存在对'进展'的客观定义，否则每步反馈都是主观判断，不可复现且无法规模化。
如果规格写得不够具体，密集奖励会自信但错误，并导致Agent直接优化到规格与现实之间的缝隙里。