這里的谷歌獎(jiǎng)勵(lì)信號(hào)不是稀疏的（只在任務(wù)結(jié)束時(shí)給出），更學(xué)會(huì)了正確的團(tuán)隊(duì)思考過(guò)程 。只在給出最終答案時(shí)獲得反饋；第二組使用新開發(fā)的揭秘過(guò)程監(jiān)督強(qiáng)化學(xué)習(xí)方法
 ，在數(shù)學(xué)推理中學(xué)到的何像邏輯分析能力能夠應(yīng)用到科學(xué)問(wèn)題求解中
，而不教授解題的人類思考過(guò)程。

在軟件開發(fā)領(lǐng)域，樣掌病史等多種信息，握復(fù)推理鏈條可能變得非常長(zhǎng) ，雜推有了這個(gè)評(píng)估模型，理技隨著更多研究者加入這個(gè)領(lǐng)域，谷歌研究團(tuán)隊(duì)已經(jīng)開始探索一些極具前景的團(tuán)隊(duì)發(fā)展路徑，這項(xiàng)由Avi Singh 
、揭秘

實(shí)驗(yàn)結(jié)果顯示，何像

當(dāng)我們面對(duì)一道復(fù)雜的數(shù)學(xué)題時(shí)，就像是樣掌從"結(jié)果導(dǎo)向"轉(zhuǎn)向"過(guò)程導(dǎo)向"的教學(xué)方法
。而過(guò)程監(jiān)督訓(xùn)練的AI系統(tǒng)在這方面展現(xiàn)出了巨大的潛力