RL过程中，工具调用失败时如何处理这条样本？

回答思路

1. 说明识别工具调用失败的信号（如超时、报错、返回无效）
2. 讨论对失败样本的不同处理方式（丢弃、降权、重试、改造）
3. 分析不同策略对奖励模型和策略梯度的影响
4. 考虑失败样本中的有效信息利用与分布偏移风险