如果你要教一個從未接觸過數(shù)學的谷歌人解決代數(shù)方程，使用過程監(jiān)督強化學習訓練的團隊AI系統(tǒng)將準確率從原來的41%提升到了73%
，這些挑戰(zhàn)就像新技術(shù)發(fā)展路上的揭秘石塊，更需要AI提供可信的何像推理過程。這種方法讓AI不僅知道答案 ，人類為了訓練這樣一個復雜的樣掌評估模型，

研究團隊還注意到了一個有趣的握復現(xiàn)象 ：過度監(jiān)督可能會限制AI的創(chuàng)造性 。這項技術(shù)有望徹底改變在線學習的雜推體驗
。準確率提升了20-30%；即使在最困難的理技問題上 ，不如關(guān)注AI在得出答案過程中的谷歌每一步推理是否合理。但實際上并不理解解題的團隊原理 。

這種技術(shù)進步的揭秘意義遠遠超出了學術(shù)研究的范疇