金融領(lǐng)域也是谷歌一個潛在的應用方向。這或許是團隊這項研究最深遠的意義所在。

反饋系統(tǒng)的揭秘構(gòu)建是整個研究中最具挑戰(zhàn)性的部分 。他們開發(fā)了一種名為"過程監(jiān)督強化學習"的何像新方法，標注員會判斷每一步推理是人類否邏輯清晰