★ 3EvoRS：开放式强化学习的奖励系统在线自演化论文指出开放式 RL 中策略与奖励系统构成动态反馈回路，固定奖励会因奖励黑客或判别力下降而失效。提出 EvoRS 自演化 RL 框架，将奖励系统表示为可执行 Reward-DAG，由智能体式设计器基于在线 rollout 与奖励轨迹持续更新。在写作与角色扮演任务上于三个评委下均取得最佳质量，分别超…arXiv cs.AI49 天前