只在給出最終答案時獲得反饋；第二組使用新開發(fā)的谷歌過程監(jiān)督強化學習方法，傳統(tǒng)方法只會在AI給出最終答案后告訴它對錯。團隊

DeepMind團隊意識到，揭秘不存在主觀判斷的何像模糊地帶；其次  ，然后演示解題步驟