Experten-geführte Bewertungsmaßstäbe als dichte Reward-Signale für Reinforcement Learning in nicht-verifizierbaren Domänen

arXiv:2610.26932v1 Large Language Models (LLMs) werden zunehmend als autonome Agenten in nicht-verifizierbaren Domänen wie Finanzdienstleistungen eingesetzt, wo sie Benutzerintention interpretieren, Anfragen umformulieren und Informationen unter domänenspezifischen Einschränkungen abrufen müssen. Obwohl