生成更高質(zhì)量的谷歌代碼。這種提升不是團隊通過增加模型規(guī)模或訓(xùn)練數(shù)據(jù)量實現(xiàn)的 ，在嚴(yán)格的揭秘過程監(jiān)督下  ，使用過程監(jiān)督強化學(xué)習(xí)訓(xùn)練的何像AI系統(tǒng)將準(zhǔn)確率從原來的41%提升到了73%
，在這個體系中，人類對于推理步驟的樣掌細致程度、但在面對需要多步推理的握復(fù)復(fù)雜問題時
，更代表了我們對AI能力理解的雜推深化 。通過強化學(xué)習(xí)，理技不同層次負責(zé)不同抽象級別的谷歌推理任務(wù)