2026 年数据科学家生活中的一天
2026-08-14
来源：AWS Machine Learning Blog
2026-08-14 16:02
使用 Amazon Nova Forge 进行多轮强化学习的自定义奖励函数
奖励
多轮
学习
Amazon
Nova
在多轮强化学习中，您的自定义奖励函数决定模型实际学习的内容。这篇文章展示了如何为 Amazon Nova Forge 设计复合多轮奖励，在其中安全地执行模型生成的代码，并检测每个组件以捕获悄悄崩溃奖励的陷阱。