DeepSeek 多智能体 RL 奖励设计：延迟惩罚与协作奖励细节成焦点

rosstaylor90 认为，多智能体 RL 奖励设计的关键不只是区分集体奖励与共享奖励，还包括延迟惩罚、延迟调度、协作奖励、欠雇佣惩罚及子智能体轨迹处理。文中以 DeepSeek 及 Avalon 项目为参照，探讨这些细节如何将简单目标转化为可用配方。