В многошаговом обучении с подкреплением ваша пользовательская функция вознаграждения определяет, чему на самом деле учится модель. В этой статье показано, как разработать составное многошаговое вознаграждение для Amazon Nova Forge, безопасно выполнять сгенерированный моделью код внутри него и инструментировать каждый компонент, чтобы выявить подводные камни, которые незаметно разрушают вознаграждение.