研究技术发布于 2026-10-09 07:54

Step-Jev提出无需标准答案的智能体分步奖励方法

新方法Step-Jev可在没有标准答案的情况下，为智能体强化学习提供分步奖励，挑战分步奖励容易被钻空子的主流观点。

Step-Jev为智能体强化学习提供了一种分步奖励方法，即使没有标准答案也能工作。该方法挑战了DeepSeek R1之后业界形成的观点：分步奖励必然被钻空子，强化学习只能奖励最终答案。