在GRPO训练中，奖励模型是如何设计的？请说明其设计思路和原因。

Question

Accepted Answer

考察点：考察对GRPO奖励设计原理、组成部分及动机的理解。回答思路：能明确指出GRPO通常采用规则奖励而非学习式的奖励模型 能解释为何这样设计：简单、稳定、可解释 能结合具体任务举例说明奖励项的设定 能分析不同奖励设计对训练效果的影响

考察说明