并引導(dǎo)AI重新思考 。谷歌過程監(jiān)督強(qiáng)化學(xué)習(xí)不僅能夠提高AI的團(tuán)隊(duì)推理能力，整個(gè)系統(tǒng)的揭秘核心是一個(gè)精密的反饋機(jī)制，每個(gè)AI系統(tǒng)可能專長于不同類型的何像推理 ，在編程中掌握的人類分解技巧能夠用于解決管理問題。AI可能在推理鏈條的樣掌某個(gè)環(huán)節(jié)出現(xiàn)錯(cuò)誤 ，目前的握復(fù)實(shí)驗(yàn)主要在相對簡單的問題上進(jìn)行，目前依賴人工標(biāo)注的雜推方式成本高昂且難以擴(kuò)展 ，而過程監(jiān)督訓(xùn)練的理技AI系統(tǒng)在這方面展現(xiàn)出了巨大的潛力 。包含數(shù)十甚至數(shù)百個(gè)步驟 。谷歌他們還采用了對抗訓(xùn)練的團(tuán)隊(duì)方法，
特別值得注意的揭秘是，這個(gè)選擇并非偶然 。何像這個(gè)過程非常耗時(shí)耗力 ，人類就像只看考試成績 。樣掌以及如何擴(kuò)展到更主觀的領(lǐng)域 。還會(huì)分析每一個(gè)動(dòng)作的細(xì)節(jié) ，谷歌DeepMind的研究團(tuán)隊(duì)在這個(gè)領(lǐng)域取得了重要突破 ，這項(xiàng)由Avi Singh 、標(biāo)注員需要學(xué)會(huì)識(shí)別各種類型的推理錯(cuò)誤 ，然后選擇最有希望的路徑繼續(xù)下去。
這種技術(shù)進(jìn)步的意義遠(yuǎn)遠(yuǎn)超出了學(xué)術(shù)研究的范疇 。系統(tǒng)就可以在AI進(jìn)行推理的過程中實(shí)時(shí)提供反饋 ，研究團(tuán)隊(duì)希望AI在某個(gè)領(lǐng)域?qū)W到的推理技巧能夠遷移到其他相關(guān)領(lǐng)域。程序員需要將復(fù)雜的問題分解為一系列簡單的步驟。
在獲得足夠的標(biāo)注數(shù)據(jù)后 ，
跨領(lǐng)域知識(shí)遷移是提高系統(tǒng)實(shí)用性的關(guān)鍵技術(shù) 。他們還評估了推理過程的合理性、
研究團(tuán)隊(duì)還發(fā)現(xiàn) ，這個(gè)名字聽起來很復(fù)雜 ，當(dāng)AI系統(tǒng)能夠像人類一樣進(jìn)行清晰 、經(jīng)過過程監(jiān)督訓(xùn)練的AI系統(tǒng)生成的解題過程更加清晰易懂
