연구진은 LLM이 생성한 보상이 정책 최적화에 사용될 때, 보상의 신뢰성을 확보하기 위한 검증 및 배포 프로토콜인 RHyVE를 제안했어요. RHyVE는 현재 정책의 역량과 학습 단계에 따라 보상 가설의 유용성을 평가하여, 짧은 시간 내에 정책을 분기하여 검증하는 방식으로 작동해요. 실험 결과, RHyVE는 정책의 역량이 낮은 단계에서는 보상 순위가 신뢰할 수 없지만, 특정 역량 수준을 넘어서면 유용한 정보를 제공하는 것으로 나타났어요.