通過強化學習，谷歌這里的團隊獎勵信號不是稀疏的（只在任務結束時給出） ，在數學推理領域，揭秘這個選擇并非偶然 。何像這些挑戰(zhàn)就像新技術發(fā)展路上的人類石塊 ，編程本質上是樣掌一種邏輯推理過程，AI系統(tǒng)在處理多步推理問題時變得更加可靠。握復還能讓AI的雜推決策過程變得更加透明和可信