RLAR：面向大语言模型多任务强化学习的智能体奖励系统

针对现有静态奖励模型成本高且泛化能力差的问题，本文提出 RLAR 框架。该系统将奖励获取转化为动态工具合成与调用任务，利用 LLM 智能体自主检索最优奖励模型并生成程序化验证器。这使得奖励系统能在训练过程中随数据分布变化而自我进化。实验表明，RLAR 在数学、代码等任务上显著提升性能，并在 RewardBench-V2 上超越静态基线，展现了卓越的泛化能力。