#reward function

这篇推文只用了几句话就给了一个判断：等模型能 RSI，MCP、memory、agents 这些外挂都会被模型自己吃掉，agent 只是模型的一个实例。作者建议把精力放在定义目标、约束和评估上，而不是搭框架。适合正在纠结要不要深耕 agent 工程的开发者对照思考。

Yangyi@YangyixxxxSource

这篇论文把奖励函数设计拆成三步，还有个只要 O(n log κ) 次偏好查询的算法，做 RLHF 或奖励建模的值得一读。