研究比较了最短时间任务与密集奖励任务的奖励机制，发现最短时间任务能够学习更优策略并提升性能。初始策略的目标达成率是稀疏反馈下学习成功的早期指标。实验表明，在真实机器人平台上，使用常数负奖励可在两到三小时内学习基于像素的策略。

通过稀疏反馈的设计选择和反馈协议对大型语言模型（LLMs）进行分析，发现评分和排名在人类和人工智能注释者中存在差异，并揭示了对齐LLMs评估方法中的关键缺陷和对反馈协议的依赖。