强化学习曾经真的很难。是那种超级难的难。 主要是因为评估代理行为、决定奖励和惩罚，以及如何分配功劳给相关部分，这些事情都非常困难。 现在简单多了，因为LLM可以运行评估并确定奖励和功劳分配。 以前我们需要人类参与。现在我们只需要代理偶尔能做对（还有一大堆tokens）。 总之，这里有一篇很酷的文章。 https://www.(microsoft.com)/en-us/research/blog/agent-lightning-adding-reinforcement-learning-to-ai-agents-without-code-rewrites/