题目

请结合强化学习基础相关内容展开思考，正文不少于100字。

如果我们要设计一个“辅导高中生写数学作业”的 AI 智能体，你会如何设计它的奖励函数（Reward Function）？如果 AI 为了拿高分，直接把最终答案“喂”给学生，导致学生失去思考过程，你应该如何修改奖励机制来防止这种“作弊”？

提交要求

请同学们按照以下三个步骤完成作业：

  1. 闭卷阶段：在不借助任何工具书和大模型的情况下，写出自己对题目的理解。
  2. 开卷阶段：在可以查看 PPT 的情况下，再次写出自己的理解。
  3. 参考模型：将任务输给大模型，获得大模型视角下的理解。

将以上三部分内容整理到一个文档中，加上比较和分析，最终在 Canvas 平台提交一份 Word 文档。可接受后缀名：.doc、.docx。