一句话定义：稀疏奖励（Sparse Reward）指在强化学习（Reinforcement Learning, RL）里，智能体（agent）绝大多数步骤都拿不到任何反馈，只有走到终点、成功或失败的那一刻，才收到一个奖励信号。
打个比方。你学做菜，老师只在最后尝一口说"这盘难吃"。你炒了十步，完全不知道是火大了、盐多了，还是下锅顺序错了。反过来，如果每一步都有人告诉你"现在火候正好""该放盐了"，这就是密集奖励（Dense Reward）。稀疏奖励真正的难点叫信用分配（Credit Assignment）：最终那个结果，到底该记在哪一步头上？
这为什么不只是"信号少一点"？像 Q 学习这类方法，靠奖励从终点一步步往外扩散来估计每个状态的好坏。如果只有终局才有分，那前面几乎所有的状态价值都是零，模型像在漆黑的房间里乱走，侥幸走到出口才亮一下灯。试错次数会爆炸。
常见解法有几种思路，本质都是"想办法把终局那一分倒推回中间某一步"：
- 把回报往回摊：赢了这一局，就给整条轨迹上每一步都记上一份功劳，让它们整体变"贵"一点；
- 奖励塑形：人为加中间引导，比如"离目标更近就加分"。好用但危险，塑形设计错了，模型会去刷这个中间分而不是真完成任务；
- 课程学习：先学短任务、简单任务，把一次稀疏变成多次密集；
- 事后回放：本来想去 A 点没到，但顺手到了 B 点，那就把 B 临时当成目标学一遍，失败的经验也不浪费；
- 内在好奇：鼓励尝试没走过的状态，用"新鲜感"当临时奖励撑过前期。
| 稀疏奖励 | 密集奖励 | |
|---|---|---|
| 反馈频率 | 只在终局 | 几乎每步 |
| 学习速度 | 慢，靠大量试错 | 快，方向明确 |
| 主要风险 | 学不动，找不到方向 | 奖励设计有偏，模型只刷中间指标 |
| 典型场景 | 棋局胜负、通关与否、答案对错 | 游戏得分、离目标的距离 |
对从业者，这里有个很实用的判断：如果一个任务"只有做完了才知道好不好"，先别急着换模型，先问能不能补一点可信的中间信号，或者先用简单版本热身。但也别补太细，中间指标一旦可被刷，模型就会绕开真正的目标。
对普通人，稀疏奖励其实天天在发生：年终考核只给一个评级，你并不知道全年哪件事起了作用；产品只在发布后看数据，也不知道是哪个决策对了。管理上，中间反馈就是奖励塑形——不给，团队摸黑；给得太细太歪，大家就只刷指标不解决问题。