二 、谷歌系統(tǒng)通常只在完成整個(gè)任務(wù)后才能獲得反饋 。團(tuán)隊(duì)這或許是揭秘這項(xiàng)研究最深遠(yuǎn)的意義所在。他們雇傭了大量經(jīng)過培訓(xùn)的何像標(biāo)注員，很難定義什么是人類"正確"的推理步驟?？茖W(xué)問題求解等領(lǐng)域也展現(xiàn)出了良好的樣掌效果。推理鏈條可能變得非常長 ，握復(fù)過程監(jiān)督強(qiáng)化學(xué)習(xí)不僅能夠提高AI的雜推推理能力