请介绍你在该项目中如何设计奖励函数，以及是否考虑了回答的正确性（如用户需求匹配度），而不仅仅是文本长度或流畅度？

回答思路

1. 说明奖励信号来源与标注方式
2. 解释如何区分质量维度（正确性、相关性）与形式维度（长度、流畅度）
3. 讨论正确性衡量的挑战及处理策略
4. 提及验证或调优方法