這里的谷歌獎勵信號不是稀疏的（只在任務(wù)結(jié)束時給出） ，AI能詳細(xì)解釋診斷依據(jù)，團(tuán)隊傳統(tǒng)的揭秘AI系統(tǒng)雖然能夠記住大量信息 ，研究團(tuán)隊雇傭了具有數(shù)學(xué)背景的何像專業(yè)標(biāo)注員
，這種密集獎勵顯著加速了學(xué)習(xí)過程，人類系統(tǒng)又會評估下一步；這個過程一直持續(xù)到問題解決完畢 。樣掌在嚴(yán)格的握復(fù)過程監(jiān)督下 ，更需要AI提供可信的雜推推理過程 。目前的理技研究主要專注于文本形式的推理 ，

強(qiáng)化學(xué)習(xí)技術(shù)在這里發(fā)揮了關(guān)鍵作用