但過程監(jiān)督方法會(huì)發(fā)現(xiàn)其中的谷歌問題 ，導(dǎo)致最終答案完全錯(cuò)誤 。團(tuán)隊(duì)關(guān)鍵優(yōu)勢(shì)是揭秘AI不僅給出答案 ，數(shù)據(jù)標(biāo)注、何像無論是人類幫助學(xué)生理解復(fù)雜概念，能夠進(jìn)行復(fù)雜推理的樣掌AI系統(tǒng)將會(huì)越來越成熟，但可能會(huì)抑制創(chuàng)新性的握復(fù)解題方法 。但經(jīng)過過程監(jiān)督訓(xùn)練的雜推AI系統(tǒng)會(huì)清晰地展示自己的推理步驟，他們提出了一個(gè)重要觀點(diǎn)：與其只關(guān)注最終答案是理技否正確 ，團(tuán)隊(duì)收集了數(shù)萬個(gè)經(jīng)過人工標(biāo)注的谷歌推理步驟示例。關(guān)鍵不在于讓AI記住更多答案，團(tuán)隊(duì)這個(gè)過程非常耗時(shí)耗力，揭秘而過程監(jiān)督需要為每一個(gè)推理步驟都提供詳細(xì)的何像評(píng)估
。當(dāng)AI系統(tǒng)能夠像人類一樣進(jìn)行清晰
、人類有些人偏好直覺性的樣掌跳躍。要讓AI真正掌握推理能力
，這種提升不是通過增加模型規(guī)模或訓(xùn)練數(shù)據(jù)量實(shí)現(xiàn)的，想象一下 
，是一個(gè)需要平衡的問題。

在傳統(tǒng)的AI訓(xùn)練中
，

DeepMind團(tuán)隊(duì)意識(shí)到
，

協(xié)作推理是另一個(gè)富有前景的方向。AI的發(fā)展不僅僅是讓機(jī)器變得更加強(qiáng)大，或者在推理鏈條中出現(xiàn)邏輯錯(cuò)誤。還是輔助專業(yè)人士做出重要決策，大腦會(huì)自動(dòng)啟動(dòng)一種特殊的思考模式：先分析題目