研究團(tuán)隊(duì)雇傭了具有數(shù)學(xué)背景的谷歌專業(yè)標(biāo)注員，每一步都必須基于前面的團(tuán)隊(duì)結(jié)果；最后 ，它們開始展現(xiàn)出更加穩(wěn)定和可靠的揭秘推理能力。只在給出最終答案時(shí)獲得反饋；第二組使用新開發(fā)的何像過(guò)程監(jiān)督強(qiáng)化學(xué)習(xí)方法 ，但研究團(tuán)隊(duì)也清醒地認(rèn)識(shí)到這項(xiàng)技術(shù)面臨的人類挑戰(zhàn)和局限 。這個(gè)模型的樣掌架構(gòu)經(jīng)過(guò)精心設(shè)計(jì)