概念
结果奖励
强化学习中的奖励设计方法，仅在任务结束时根据最终状态给出奖励信号，信号稀疏但目标明确。
时间轴 (近 90 天)
10月26日
过程奖励（process reward）在智能体执行的多步轨迹中对中间步骤打分，信号更密集，能缓解长程任务的信用分配难题；结果奖励（outcome reward）只在任务结束时根据最终状态给出，信号稀疏但目标明确。
待验证50%
强化学习中的奖励设计方法，仅在任务结束时根据最终状态给出奖励信号，信号稀疏但目标明确。
过程奖励（process reward）在智能体执行的多步轨迹中对中间步骤打分，信号更密集，能缓解长程任务的信用分配难题；结果奖励（outcome reward）只在任务结束时根据最终状态给出，信号稀疏但目标明确。