在多轮强化学习中，自定义奖励函数决定了模型实际学习的内容。本文展示如何为 Amazon Nova Forge 设计复合多轮奖励，在其中安全执行模型生成的代码，并对每个组件进行仪器化，以捕捉那些悄然导致奖励失效的陷阱。