一种动态奖励机制。简单来说，就是让系统在每次完成决策之后，能够自动进行一次‘复盘’。例如，当系统在模拟湍流中成功地修正了一次航线时，我们会给相应的参数模块增加一定的权重。这样做的效果就像是让机器自己能够‘吃一堑长一智’，不断从经验中学习和改进。”