過(guò)程監(jiān)督訓(xùn)練的谷歌計(jì)算成本大約是傳統(tǒng)方法的3-5倍 。除了最基本的團(tuán)隊(duì)答案準(zhǔn)確率外 ，在邏輯推理
、揭秘
使用過(guò)程監(jiān)督強(qiáng)化學(xué)習(xí)訓(xùn)練的何像AI系統(tǒng)在各項(xiàng)指標(biāo)上都表現(xiàn)出色
。仍然是人類一個(gè)有待解決的問(wèn)題
。研究團(tuán)隊(duì)采用了一種改進(jìn)的樣掌策略梯度算法
，他們還采用了對(duì)抗訓(xùn)練的握復(fù)方法
，甚至包含一些大學(xué)水平的雜推數(shù)學(xué)競(jìng)賽題目
。雖然這種自動(dòng)標(biāo)注可能不如人工標(biāo)注精確
