谈谈你对强化学习的理解，比如奖励设计是否需要某一步的奖励特别好？

回答思路

1. 解释强化学习的基本框架：智能体、环境、状态、动作、奖励、策略
2. 说明奖励设计的稀疏性与密集性问题，并非需要某一步突然特别好
3. 讨论奖励塑形（reward shaping）与潜在伪造奖励（reward hacking）的权衡
4. 结合训练动态，说明策略学习是长期累积回报的最大化而非单步奖励