使用過程監(jiān)督強(qiáng)化學(xué)習(xí)訓(xùn)練的谷歌AI系統(tǒng)將準(zhǔn)確率從原來的41%提升到了73%，唯一的團(tuán)隊(duì)區(qū)別就是反饋方式
。指出哪些推理是揭秘正確的 ，系統(tǒng)就會(huì)評估這一步是何像否正確；當(dāng)AI繼續(xù)推理時(shí)，它們開始展現(xiàn)出更加穩(wěn)定和可靠的人類推理能力  。他們開發(fā)了一種名為"過程監(jiān)督強(qiáng)化學(xué)習(xí)"的樣掌新方法