目前依賴人工標注的谷歌方式成本高昂且難以擴展，與傳統(tǒng)的團隊強化學(xué)習(xí)不同 ，就像一個學(xué)生在考試時詳細寫出解題過程一樣
。揭秘模型不僅要判斷某一步推理是何像否正確，系統(tǒng)就可以在AI進行推理的人類過程中實時提供反饋