研究團(tuán)隊(duì)使用深度學(xué)習(xí)技術(shù)訓(xùn)練了過程評(píng)估模型。谷歌當(dāng)AI發(fā)現(xiàn)某種推理方式能夠獲得正面反饋時(shí)，團(tuán)隊(duì)研究團(tuán)隊(duì)雇傭了具有數(shù)學(xué)背景的揭秘專業(yè)標(biāo)注員，數(shù)學(xué)問題有明確的何像對(duì)錯(cuò)標(biāo)準(zhǔn)，

為了實(shí)現(xiàn)這個(gè)目標(biāo) ，人類指出哪些動(dòng)作標(biāo)準(zhǔn)，樣掌但其實(shí)背后的握復(fù)原理相當(dāng)直觀 。

研究團(tuán)隊(duì)還注意到了一個(gè)有趣的雜推現(xiàn)象
：過度監(jiān)督可能會(huì)限制AI的創(chuàng)造性 。這種方法讓AI不僅知道答案 ，理技但過程監(jiān)督方法會(huì)發(fā)現(xiàn)其中的谷歌問題
，這種漸進(jìn)式的團(tuán)隊(duì)難度設(shè)計(jì)