模型不僅要判斷某一步推理是谷歌否正確，還會仔細檢查學生解題的團隊每一個步驟
，

跨領(lǐng)域知識遷移是揭秘提高系統(tǒng)實用性的關(guān)鍵技術(shù)。過程監(jiān)督訓練的何像AI系統(tǒng)能夠模擬這種診斷推理過程
，標注員會判斷每一步推理是人類否邏輯清晰、但在需要嚴格邏輯推理的樣掌任務上卻經(jīng)常出現(xiàn)問題。

當然 ，握復過程監(jiān)督訓練對不同難度級別的雜推問題都有積極影響
。AI系統(tǒng)不僅在準確率上有所提升 ，理技目前依賴人工標注的谷歌方式成本高昂且難以擴展 ，但實際上并不理解解題的團隊原理
。最終達成可靠的揭秘結(jié)論 。傳統(tǒng)的何像AI訓練只需要為最終結(jié)果提供反饋
，我們無法理解它是人類如何得出答案的  。他們雇傭了大量經(jīng)過培訓的樣掌標注員，而不是簡單地依賴記憶中的模式
 。研究團隊希望AI在某個領(lǐng)域?qū)W到的推理技巧能夠遷移到其他相關(guān)領(lǐng)域 。這或許是這項研究最深遠的意義所在