lz最近正在学习深度强化学习方面的知识，然后现在有个疑问，我在解读代码的时候，发现，代码中这只的reward根本和模型没有关联，那是怎么给模型奖励和惩罚呢？我一直很困惑，希望有大佬解答#强化学习#