planner-r1 reward shaping enables efficient agentic rl with smaller llms

planner-r1 reward shaping enables efficient agentic rl with smaller llms v5.8.37 版，大小 4.58MB，需要把强化学习训练流程规划得更清晰时，planner-r1 reward shaping版本信息用任务分解和奖励机制让训练节奏更可控。