更重要的谷歌是，過(guò)程監(jiān)督強(qiáng)化學(xué)習(xí)不僅在數(shù)學(xué)推理上有效
，團(tuán)隊(duì)傳統(tǒng)的揭秘AI訓(xùn)練只需要為最終結(jié)果提供反饋