...  ↑

Кажется так, главный тормоз на пути обучения, это незнание того, когда надо выдавать СебеОФ, а когда нет.

Так и есть.

При обучении какой-то модели возникает куча разных сигналов субъекта,

В данном примере все сигналы есть лексические.

и вся тонкость отличить те, которые по этой модели и надо вызывать, от тех, которые не нужны.

В данном примере никаких сигналов специально вызывать не нужно. Нужно отслеживать появление лексических единиц и вовремя реагировать на них стимулом поощрения.

Ну, тут вроде как вполне простое решение — поощрять сам этот всё более и более тонкий процесс:
— удерживаешь внимание на субъекте
— замечаешь некие сигналы

Замечаешь слова.

— замечаешь некие новые сигналы
— начинаешь различать требуемые сигналы от посторонних

Вовремя замечаешь слова.

— начинаешь замечать всё больше нужных сигналов

Сфокусирован только на нужных словах.

— нужные сигналы появляются в нужные моменты времени

Вовремя подаешь на них стимул ОФ.