如何根据业务目标设计强化学习奖励？

研究过程如何结合实现奖励函数的

reward是如何设计的呢？

奖励函数怎么写的？

eward 和 verifier 怎么设计

业务场景里的 reward 应该怎么设计

介绍第一篇论文，reward model怎么设计。