价值函数（Value Function）是强化学习中的核心概念，用于估计在某个状态下采取某动作的长期回报。CaRT的创新在于，它不需要训练一个独立的神经网络作为价值函数，而是让LLM通过生成文本推理来"模拟"价值评估的过程，这被称为"verbalized value function"。 ---
价值函数（Value Function）是强化学习中的核心概念，用于估计在某个状态下采取某动作的长期回报。CaRT的创新在于，它不需要训练一个独立的神经网络作为价值函数，而是让LLM通过生成文本推理来"模拟"价值评估的过程，这被称为"verbalized value function"。 ---