Lab 02 - Custom Reward

Objective

实现一个最小 function-based reward，验证 data source routing、response decoding、score shape、extra metadata、failure handling 和 validation behavior。

Planned Cases

1. 正确答案返回正 reward；
2. 格式错误与答案错误得到可区分结果；
3. 超时、异常和空 response 有明确 fallback；
4. batch 内不同长度 response 的 score 正确写回；
5. reward 不依赖本不应可见的 future information。

Source Anchors

• reward preparation guide
• custom reward example
• reward score implementations
• RewardLoop

Acceptance Criteria

• reward function 有单元测试；
• score 与 extra info 可在 rollout dump 中审计；
• 异常不会静默变成高 reward；
• 结果回填 04 Rollout, Reward and AgentLoop。