AGI Hunt· yb2698·· 2 小时前AI 评分49
AI 智能体 RL 奖励设计实测：0.1 系数使工具调用次数下降 11–17% 且精度不变
Agent RL 奖励设计实测：0.1 系数工具调用降 11-17% 且不掉精度
AI 导读
yb2698 实测 AI 智能体 RL 奖励设计：reward = 任务验证器得分 + 0.1 × (1 − calls/15)，惩罚项仅对正确的 rollout 生效。
来源：AGI Hunt · agihunt.info
AI 智能体 RL 奖励设计实测：0.1 系数使工具调用次数下降 11–17% 且精度不变