Step-Jev 发布：无需标准答案的 Agent RL 分步奖励

新方法 Step-Jev 为智能体强化学习提供分步奖励，即使没有标准答案也能工作，挑战了 DeepSeek R1 之后业界认为分步奖励必然被钻空子、只能奖励最终答案的主流观点。

内容详情 · 原文链接

via AI情报局 | 全球 AI 动态简报 - Telegram Channel