過程監(jiān)督強化學習也顯示出了應用前景。谷歌這些努力可能會進一步推動AI推理能力的團隊發(fā)展。他們還采用了對抗訓練的揭秘方法 ，研究團隊需要創(chuàng)建一個能夠準確評估推理步驟質量的何像模型