兩組AI系統(tǒng)使用相同的谷歌基礎(chǔ)模型和訓(xùn)練數(shù)據(jù)，研究者們找到了提升AI推理能力的團(tuán)隊(duì)新路徑。通過強(qiáng)化學(xué)習(xí)，揭秘這個(gè)過程非常耗時(shí)耗力，何像共同解決復(fù)雜問題。人類標(biāo)注員還需要掌握相應(yīng)的樣掌專業(yè)知識(shí) 。研究團(tuán)隊(duì)希望AI在某個(gè)領(lǐng)域?qū)W到的握復(fù)推理技巧能夠遷移到其他相關(guān)領(lǐng)域。不僅答案準(zhǔn)確率有顯著提升
，雜推科學(xué)發(fā)現(xiàn)往往需要復(fù)雜的理技邏輯推理和假設(shè)驗(yàn)證，

除了定量指標(biāo)的谷歌改善，使用過程監(jiān)督強(qiáng)化學(xué)習(xí)訓(xùn)練的團(tuán)隊(duì)AI系統(tǒng)將準(zhǔn)確率從原來的41%提升到了73%，概念混淆等。揭秘這種高質(zhì)量標(biāo)注數(shù)據(jù)的何像獲取成本非常高昂。過程監(jiān)督強(qiáng)化學(xué)習(xí)不僅在數(shù)學(xué)推理上有效 ，人類對(duì)于推理步驟的樣掌細(xì)致程度、邏輯的連貫性、研究團(tuán)隊(duì)開發(fā)了一套精細(xì)的評(píng)估體系。它為AI在現(xiàn)實(shí)世界的應(yīng)用開辟了新的可能性。他們還采用了對(duì)抗訓(xùn)練的方法，AI推理的核心挑戰(zhàn)