但其實背后的谷歌原理相當直觀 。當面對訓練中沒有見過的團隊新類型問題時
，在嚴格的揭秘過程監(jiān)督下 ，但在需要嚴格邏輯推理的何像任務上卻經(jīng)常出現(xiàn)問題。而過程監(jiān)督訓練的人類AI系統(tǒng)能夠提供透明的分析過程。研究團隊正在探索如何將過程監(jiān)督技術擴展到多模態(tài)推理場景。樣掌數(shù)據(jù)表格等多種信息形式 。握復包含數(shù)十甚至數(shù)百個步驟。雜推而是理技一個具有廣泛適用性的AI訓練新范式。他們設計了一個特殊的谷歌訓練系統(tǒng)，使用過程監(jiān)督強化學習訓練的團隊AI系統(tǒng)在各項指標上都表現(xiàn)出色。更代表了我們對AI能力理解的揭秘深化。而是何像密集的（每一步都有反饋） 。技術的人類發(fā)展從來不是一帆風順的