0 到 1 之间的奖励：设计判定量表

奖励是由经验证的结果计算出的、介于 0 和 1 之间的标量。它用于更新 Strategy Weights（策略权重）。

什么产生奖励？

验证中实际结果与预期结果之间的比较。

奖励影响什么？

Strategy Weights。低奖励会降低策略的优先级；高奖励则会提高它。

这里的奖励是人类意义上的奖励吗？

不是。它是一个介于 0 和 1 之间、用于更新权重的标量值。它并不衡量满意度。

低奖励意味着什么？

低奖励表示实际结果与预期结果不符。该策略会被降低优先级。

高奖励意味着什么？

高奖励表示实际结果与预期结果相符。该策略会被提高。