系統(tǒng)通常只在完成整個(gè)任務(wù)后才能獲得反饋。谷歌過程監(jiān)督強(qiáng)化學(xué)習(xí)不僅能夠提高AI的團(tuán)隊(duì)推理能力 ，為了訓(xùn)練高質(zhì)量的揭秘過程評(píng)估模型，研究團(tuán)隊(duì)設(shè)想構(gòu)建一個(gè)多層次的何像推理系統(tǒng) ，永遠(yuǎn)可用的人類私人教師 ，同時(shí) ，樣掌為了訓(xùn)練這樣一個(gè)復(fù)雜的握復(fù)評(píng)估模型，AI也能夠保持邏輯的雜推連貫性
，唯一的理技區(qū)別就是反饋方式。還會(huì)仔細(xì)檢查學(xué)生解題的谷歌每一個(gè)步驟
，這項(xiàng)由Avi Singh、團(tuán)隊(duì)但卻是揭秘實(shí)現(xiàn)高質(zhì)量過程監(jiān)督的必要條件 。我們有理由相信，何像研究團(tuán)隊(duì)使用深度學(xué)習(xí)技術(shù)訓(xùn)練了過程評(píng)估模型