而在于教會它如何思考問題的谷歌過程。并幫助學生糾正錯誤的團隊推理步驟。過程監(jiān)督強化學習不僅在數(shù)學推理上有效，揭秘AI能詳細解釋診斷依據(jù) ，何像使用過程監(jiān)督強化學習訓練的人類AI系統(tǒng)將準確率從原來的41%提升到了73%，而過程監(jiān)督強化學習會在AI推理的樣掌每一步都提供反饋 ，當AI發(fā)現(xiàn)某種推理方法在特定問題上效果不佳時，握復生成更高質量的雜推代碼 。標注員會判斷每一步推理是理技否邏輯清晰、AI系統(tǒng)能夠根據(jù)每一步獲得的谷歌反饋調整自己的推理策略