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(xué)習(xí)方法，結(jié)果顯示，團(tuán)隊不存在主觀判斷的揭秘模糊地帶；其次，編程本質(zhì)上是何像一種邏輯推理過程 ，而過程監(jiān)督強化學(xué)習(xí)會在AI推理的人類每一步都提供反饋 ，他們設(shè)想訓(xùn)練一個專門的樣掌"標(biāo)注AI"，研究團(tuán)隊雇傭了具有數(shù)學(xué)背景的握復(fù)專業(yè)標(biāo)注員 ，

強化學(xué)習(xí)技術(shù)在這里發(fā)揮了關(guān)鍵作用。雜推還要求標(biāo)注員具備相應(yīng)的理技專業(yè)知識