LLMエージェントの強化学習において、最終回答の成否だけで報酬を与えるのではなく、ターン単位の動作へ報酬を帰属させる手法を解説。不要な調査を排除し、効率的なエージェント構築を実現するための実装手法とリポジトリを紹介する。