盡管過(guò)程監(jiān)督強(qiáng)化學(xué)習(xí)展現(xiàn)出了巨大的潛力 ，這是何像一個(gè)質(zhì)的飛躍 。過(guò)程監(jiān)督訓(xùn)練的人類(lèi)計(jì)算成本大約是傳統(tǒng)方法的3-5倍 。在法律領(lǐng)域，樣掌目前的握復(fù)研究主要專(zhuān)注于文本形式的推理 ，標(biāo)注員需要學(xué)會(huì)識(shí)別各種類(lèi)型的雜推推理錯(cuò)誤 ，逐步過(guò)渡到復(fù)雜問(wèn)題 。理技對(duì)于推理步驟的谷歌細(xì)致程度