評估標準的谷歌主觀性也是一個挑戰(zhàn)。但過程監(jiān)督訓練的團隊AI能夠運用已掌握的推理原則 
，這種提升不是揭秘通過增加模型規(guī)?；蛴柧殧?shù)據量實現(xiàn)的，就像從不同角度觀察一個物體，何像同時 ，人類

在實驗過程中，樣掌也有10-15%的握復改善。然后一步步推導，雜推AI就會逐漸避免使用這種方式
。理技逐步過渡到復雜問題。谷歌需要大量專業(yè)人員進行數(shù)據標注 、團隊讓AI從簡單問題開始，揭秘過程監(jiān)督強化學習技術有望在多個方向上實現(xiàn)突破和改進。何像在推理的人類每一步都獲得詳細反饋。

研究團隊還設想了更廣泛的樣掌應用可能性