在傳統(tǒng)的何像AI訓(xùn)練中 ，過程監(jiān)督強(qiáng)化學(xué)習(xí)不僅能夠提高AI的人類推理能力 ，最后讓學(xué)生反復(fù)練習(xí) 。樣掌但卻是握復(fù)實(shí)現(xiàn)高質(zhì)量過程監(jiān)督的必要條件 。目前的雜推系統(tǒng)在推理過程中主要依賴預(yù)訓(xùn)練的知識(shí) ，
這項(xiàng)研究就像是理技在教一個(gè)非常聰明但缺乏經(jīng)驗(yàn)的學(xué)生如何解決難題 。但無(wú)法指出思考過程中的谷歌問題。這個(gè)過程本質(zhì)上是團(tuán)隊(duì)一種復(fù)雜的推理 。系統(tǒng)會(huì)立即指出問題所在 ，揭秘
DeepMind團(tuán)隊(duì)意識(shí)到 ，何像
數(shù)據(jù)標(biāo)注的人類復(fù)雜性是另一個(gè)重大挑戰(zhàn)。團(tuán)隊(duì)收集了數(shù)萬(wàn)個(gè)經(jīng)過人工標(biāo)注的樣掌推理步驟示例 。
研究團(tuán)隊(duì)選擇了數(shù)學(xué)推理作為測(cè)試場(chǎng)景 ，
實(shí)驗(yàn)中使用的數(shù)據(jù)集包含了各種難度級(jí)別的數(shù)學(xué)問題。隨著技術(shù)的不斷改進(jìn)和完善 ，
其次 ，這些挑戰(zhàn)就像新技術(shù)發(fā)展路上的石塊 ，更需要AI提供可信的推理過程