假設(shè)一個學(xué)生在解數(shù)學(xué)題時，谷歌AI解決問題的團隊每一步都會得到詳細的反饋 。而過程監(jiān)督訓(xùn)練的揭秘AI系統(tǒng)在這方面展現(xiàn)出了巨大的潛力 。AI系統(tǒng)在處理多步推理問題時變得更加可靠。何像它們就能夠在更多領(lǐng)域成為人類的人類可靠伙伴。John Schulman等研究者主導(dǎo)的樣掌工作
 ，

Q&A

Q1：過程監(jiān)督強化學(xué)習(xí)與傳統(tǒng)AI訓(xùn)練方法有什么區(qū)別？握復(fù)

A ：傳統(tǒng)AI訓(xùn)練只在任務(wù)結(jié)束后告訴AI答案對錯