为什么使用二值奖励，而不采用连续或阶梯式奖励？

知识专题：强化学习与奖励题目类型：比较选型技术难度：进阶相关面经：1 篇

暂无参考答案

未标记

本题目录

相关面经

1 篇

阿里巴巴

Agent 算法工程师

2026-05-16一面、二面

查看原面经 →

奖励分数是连续值还是二值（0/1）？为什么选择二值奖励而非阶梯式奖励？