ByteNex›Статьи›Награда от 0 до 1: проектирование шкалы вердикта
Награда от 0 до 1: проектирование шкалы вердикта
Награда — это скаляр от 0 до 1, вычисленный из проверенного результата. Она обновляет веса стратегий.
Что порождает награду?
Сравнение фактического результата с ожидаемым результатом при проверке.
На что влияет награда?
На веса стратегий. Низкая награда понижает приоритет стратегии; высокая повышает его.
Является ли награда наградой в человеческом смысле?
Нет. Это скалярное значение от 0 до 1, используемое для обновления весов. Это не мера удовлетворения.
Что означает низкая награда?
Низкая награда означает, что фактический результат не совпал с ожидаемым результатом. Стратегия понижается в приоритете.
Что означает высокая награда?
Высокая награда означает, что фактический результат совпал с ожидаемым результатом. Стратегия повышается.
Связанное
- Архитектура ядра агента: полное руководство
Полное руководство по компонентам ядра агента: цикл, движок AST, движок когнитивной памяти и изолированный контекст.
- Ядро агента против фреймворка для агентов
Фреймворк предоставляет компоненты, которые собирает разработчик. Ядро само выполняет цикл, проверяет результаты и обновляет собственные веса.