当任务最终完成时，RL 中的常见做法是只奖励一个奖励函数吗？

这不是奖励函数的正确定义。一个 MDP 有一个单一的奖励函数，其中是问题中的状态集和动作集。您有时会看到参数较少的版本，例如或。$R(s,a,s'): S \times A \times S \mapsto \mathbb{R}$$S, A$$R(s,a)$$R(s)$

$R$为每个状态转换返回奖励。它们中的许多，甚至除了一个之外，都可以为零。或者，其他中间状态可以包括正面或负面奖励。两者都是可能的，并且取决于特定的应用程序。

这是您在大多数强化学习论文开始时会找到的定义，例如关于奖励塑造的这篇文章，关于如何在不影响最优策略的情况下改变奖励函数的相关研究。

我认为您的问题的简短版本是肯定的，仅奖励完全完成任务的代理似乎是一种常见的做法，但请注意您的措辞，正如肖恩在他的回答中指出的那样，奖励功能是为状态、动作和未来状态的所有可能组合。

为了补充 Sean 的答案，请考虑从 Richard Sutton 和 Andrew Barto 的强化学习介绍书中摘录的这些片段：

奖励信号是您与 [agent] 交流您希望它实现的目标的方式，而不是您希望它实现的方式（作者强调）。

例如，下棋的智能体应该只因实际获胜而获得奖励，而不是因为实现了诸如拿走对手棋子或控制中心等子目标。

尽管这似乎是他们书中推荐的方法，但我相信您可以找到其他不同意的人。

如果您对子任务感兴趣，可以查看options。除了选项之外，还有一种奖励功能。