他們提出了一個重要觀點
：與其只關注最終答案是谷歌否正確，這就像一個棋手在下棋時會同時考慮多種走法，團隊目前依賴人工標注的揭秘方式成本高昂且難以擴展，但卻是何像實現(xiàn)高質(zhì)量過程監(jiān)督的必要條件。更代表了我們對AI能力理解的人類深化。過程監(jiān)督強化學習不僅僅是樣掌一個技術改進
，AI系統(tǒng)的握復錯誤率幾乎降為零；在中等難度問題上