英文：Outcome Supervision 分类：inference
只对最终答案的正确性给予奖励或验证的训练/推理方式。实现简单、信号明确，是 RL 训练（RLVR 可验证奖励）的基础，但奖励稀疏、难以定位中间错误。
特点：最终答案对→奖励 1，错→0（可验证任务）；训练策略梯度奖励稀疏需大量采样；推理时做 Best-of-N 选择。与过程监督互补：结果监督粗但便宜，过程监督细但昂贵。
用于数学/代码 RL 训练（DeepSeek-R1、o 系列的可验证奖励）、选择题评测与 Best-of-N 采样；是可验证推理任务的标准奖励来源。