Винагороди на основі контрольного списку пропонують структурований спосіб керування агентами навчання з підкріпленням через складні, багатоетапні завдання, що вимагають використання інструментів та багатоходової взаємодії. Ця стаття представляє CM2, нову структуру, що використовує такі винагороди для підвищення продуктивності агентів у складних середовищах. Розбиваючи завдання на керовані підцілі, представлені у вигляді контрольного списку, CM2 дозволяє агентам навчатися ефективніше та надійніше, особливо в сценаріях, де послідовне прийняття рішень та точне застосування інструментів є вирішальними. Експерименти демонструють значні покращення показників виконання завдань та загальної ефективності агента порівняно з традиційними механізмами винагороди.