在 Verl 框架中，奖励函数打分一般有哪几种实现方式？各自适用什么场景？

Question

Accepted Answer

考察点：考察对奖励来源多样性和场景适用性的掌握。回答思路：说明可使用规则型奖励函数实现确定性打分 描述应用奖励模型进行通用打分 指出也可结合两者或使用外部工具反馈 说明选择依据是任务可量化程度与数据可得性

考察说明