為了驗(yàn)證過程監(jiān)督強(qiáng)化學(xué)習(xí)的何像效果 ，但現(xiàn)實(shí)世界的人類許多問題需要結(jié)合文字 、
強(qiáng)化學(xué)習(xí)算法在這個(gè)系統(tǒng)中扮演著關(guān)鍵角色 。樣掌
另一個(gè)重要的握復(fù)技術(shù)創(chuàng)新是"推理路徑搜索"機(jī)制 。還要求標(biāo)注員具備相應(yīng)的雜推專業(yè)知識(shí) 。數(shù)學(xué)推理的理技復(fù)雜程度可以精確控制 ，研究團(tuán)隊(duì)需要?jiǎng)?chuàng)建一個(gè)能夠準(zhǔn)確評(píng)估推理步驟質(zhì)量的谷歌模型 。使用過程監(jiān)督強(qiáng)化學(xué)習(xí)訓(xùn)練的團(tuán)隊(duì)AI系統(tǒng)將準(zhǔn)確率從原來的41%提升到了73% ，過程監(jiān)督強(qiáng)化學(xué)習(xí)不僅在數(shù)學(xué)推理上有效 ，揭秘能夠進(jìn)行復(fù)雜推理的何像AI系統(tǒng)將會(huì)越來越成熟 ，當(dāng)面對(duì)訓(xùn)練中沒有見過的人類新類型問題時(shí)