Reward-DAG（奖励有向无环图）

在复杂任务中，奖励往往稀疏且难以直接分配。Reward-DAG 将任务分解为子目标，并用有向无环图表示子目标间的依赖关系，每个节点对应一个子奖励。智能体通过完成子目标获得中间奖励，从而加速学习。该结构支持模块化训练和组合泛化，常见于分层强化学习和多任务学习。代表工作包括基于选项的强化学习和奖励机（Reward Machine）。