老师您好，我是NLP萌新，想请教您一个问题： 1. 训练医疗大模型，reward model的训练数据是什么呢，是医疗有关的（图1 的4k条数据）还是图二这种和医疗无关的呢？还是两者混合？ 2.如果要混合，比例大概是多少呢？ 3.训练reward model，数据量一般多少才有效呢？ <img width="776" alt="Image" src="https://github.com/user-attachments/assets/23655617-300d-49e8-bfd0-7f2b8165074f" /> <img width="621" alt="Image" src="https://github.com/user-attachments/assets/42c4a331-7145-44ee-9433-87243cbeb3d9" />
老师您好，我是NLP萌新，想请教您一个问题：
2.如果要混合，比例大概是多少呢？
3.训练reward model，数据量一般多少才有效呢？