如果说是生成前端页面功能类的代码数据，比如说生成一个web页面，包含一些按钮点击，页面候选框类似等功能，没有具体的真值答案，可以通过论文中说的，先给出一个参考模版答案，进行reward的方法吗，这种类型的代码生成数据训练，通过RL训练如何进行reward设计呢，
