0 到 1 之间的 Reward：设计裁定标尺

什么产生 reward？

验证中实际结果与预期结果之间的比较。

reward 影响什么？

策略权重。低 reward 使策略降级；高 reward 使其提升。

reward 是人类意义上的奖励吗？

不是。它是用于更新权重的 0 到 1 之间的标量值。它不是满足感的度量。

低 reward 表示什么？

低 reward 表示实际结果与预期结果不匹配。该策略被降级。

高 reward 表示什么？

高 reward 表示实际结果与预期结果匹配。该策略被提升。