这里我认为这个方法能大幅提高deepseek的文学水平，而且方法简单。首先诗词有严格的规则，每个字有平仄，而且平仄需要符合律诗绝句还有词的严格规定，还需要按照韵表押韵。这些都是可以作为基于规则的奖励，而且deepseek r1本身对诗词文学就有一定鉴赏能力，鉴赏意境本身比写要简单，因此可以用对比来给出奖励。这个同样是一个可以大规模训练的方法，而且应该可以提高指令遵循能力。