RLHF（基于人类反馈的强化学习）流程中，「奖励模型（Reward Model）」的作用是？

1. A.自动批量生成训练用的全部问题与参考答案，从而完全替代人工标注
2. B.把模型输出翻译成多种语言以扩充数据
3. C.用人类偏好排序训练出打分器，在强化学习阶段替代人工给回答打分
4. D.检测回答里的语法错误并自动改正