奖励模型使用求问

[lzp-man]

在平台上训练的奖励模型，因为一些部署要求，通过vllm的pooling API得到last hidden states应该如何转换得到正确的奖励标量
vllm部署方式：https://github.com/vllm-project/vllm/blob/main/examples/online_serving/openai_pooling_client.py