请介绍你在项目中训练奖励模型（RM）的具体方式，包括数据、训练流程和涉及的库。

本题附完整参考答案与评分标准

登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。