如果某種推理方式經常導致負面反饋，谷歌他們開發(fā)了一種名為"過程監(jiān)督強化學習"的團隊新方法，他們雇傭了大量經過培訓的揭秘標注員，采用用戶更容易理解和接受的何像推理方式。

在軟件開發(fā)領域 ，人類他們還評估了推理過程的樣掌合理性