Step-Jev 发布无答案逐步奖励方法

@llmluthor 发布 Step-Jev，一种面向 Agent 强化学习的逐步奖励方法，宣称即使没有标准答案也能提供过程奖励，并称“Everything is open!”。@completeskeptic 称该方法用通用验证器实现过程奖励，同时表示希望其对抗鲁棒性足够强。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。