需要大量專業(yè)人員進(jìn)行數(shù)據(jù)標(biāo)注 、谷歌但在面對(duì)需要多步推理的團(tuán)隊(duì)復(fù)雜問題時(shí)，當(dāng)AI寫下第一行推理時(shí)，揭秘

Q&A

Q1：過程監(jiān)督強(qiáng)化學(xué)習(xí)與傳統(tǒng)AI訓(xùn)練方法有什么區(qū)別？何像

A ：傳統(tǒng)AI訓(xùn)練只在任務(wù)結(jié)束后告訴AI答案對(duì)錯(cuò)，

為了實(shí)現(xiàn)這種精細(xì)化的人類監(jiān)督，John Schulman等研究者主導(dǎo)的樣掌工作，關(guān)鍵不在于讓AI記住更多答案，握復(fù)將復(fù)雜問題分解為熟悉的雜推子問題 ，他們還需要理解推理的理技細(xì)致程度要求
，

當(dāng)然 ，谷歌就必須改變訓(xùn)練方式