其他
奖励稀疏
核心事实
时间轴 (近 90 天)
11月2日
UI导航任务天然存在奖励稀疏问题，只在任务最终完成时给出明确成功信号，中间步骤缺乏指导。
待验证50%
10月19日
RNA逆设计是一个组合优化问题，且奖励稀疏，只有完整序列才能评估结构是否匹配。
待验证50%
10月14日
验证信号（Verification Signal）是衡量 agent 输出正确性的反馈来源；代码场景中编译器、单元测试、类型检查器提供机器可读的确定性信号，而文档撰写、需求整理等开放式任务缺乏自动化判据，agent 无法在无人干预下闭环优化。
待验证50%
8月7日
稀疏奖励是强化学习中最棘手的问题之一，智能体只有在完成特定目标时才获得奖励
已验证65%