本文评估了CoT、MCTS增强和SFT三种方法在生成强化学习解释中的效果，发现MCTS显著提升大模型在复杂环境（如Lunar Lander）的解释质量，而SFT对中小模型更有效。通过LLMs作为评判者，验证了自动化评估框架与人工评估高度一致（Cohen's κ=0.77，Spearman ρ=0.88）。