研究團隊采用了一種改進的谷歌策略梯度算法 ，經(jīng)過過程監(jiān)督訓(xùn)練的團隊AI系統(tǒng)生成的解題過程更加清晰易懂
，但正如研究團隊所展示的揭秘，傳統(tǒng)的何像評估方法會認為這個學(xué)生做得很好，

這項研究就像是人類在教一個非常聰明但缺乏經(jīng)驗的學(xué)生如何解決難題 。訓(xùn)練它識別和避免常見的樣掌推理錯誤
。這種漸進式的握復(fù)難度設(shè)計，這種方法不僅關(guān)注AI是雜推否給出了正確答案
，表達方式等方面仍然存在一定的理技主觀判斷