Reward Engine：以奖励包引导工具智能体自进化

Litong Feng 等作者提出 Reward Engine 方法：先从任务和初始轨迹构建由测试用例与评分细则组成的 RewardPack，再以这一冻结的奖励引导开放式工具智能体修正和选择输出。作者称该方法也可用于强化学习。 该方法的核心是把“成功标准”先固化为可复用的奖励包，再让智能体据此自我改进，而非在训练中同步调整奖励。目前公开信息仅来自作者在 arXiv 的论文介绍，尚无独立验证其效果的报告。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。