在强化学习中，reward 和 Critic（价值函数）分别代表什么？它们在工程应用中各自发挥什么作用？

回答思路

1. 准确区分 reward 是外部信号、Critic 是内部估计
2. 说明 reward 由环境或设计者定义，Critic 由模型学习得到
3. 列举两者在策略优化中的不同使用方式
4. 结合工程实例说明 Reward 设计和 Critic 在训练稳定性的作用