強化學習技術(shù)在這里發(fā)揮了關(guān)鍵作用。谷歌過程監(jiān)督強化學習
：重塑AI的團隊思考方式

研究團隊開發(fā)的核心技術(shù)被稱為"過程監(jiān)督強化學習"，這項由Avi Singh