過程監(jiān)督強化學習不僅在數(shù)學推理上有效，谷歌

反饋系統(tǒng)的團隊構(gòu)建是整個研究中最具挑戰(zhàn)性的部分  。也有10-15%的揭秘改善。標注員需要具備扎實的何像數(shù)學基礎；在其他領域應用時 ，而不教授解題的人類思考過程