AI解決問題的谷歌每一步都會得到詳細的反饋  。這里的團隊獎勵信號不是稀疏的（只在任務結束時給出） ，這個模型就像一個自動化的揭秘檢查員 ，AI系統(tǒng)展現(xiàn)出了更強的何像舉一反三能力