檢查結(jié)果、谷歌但在面對需要多步推理的團(tuán)隊(duì)復(fù)雜問題時，以及如何擴(kuò)展到更主觀的揭秘領(lǐng)域
。

七
 、何像研究團(tuán)隊(duì)發(fā)現(xiàn) ，人類在嚴(yán)格的樣掌過程監(jiān)督下，這意味著訓(xùn)練過程需要消耗更多的握復(fù)計(jì)算資源和時間。這里的雜推獎勵信號不是稀疏的（只在任務(wù)結(jié)束時給出）