研究團(tuán)隊(duì)采用了一種改進(jìn)的谷歌策略梯度算法 ，AI系統(tǒng)不僅在準(zhǔn)確率上有所提升 ，團(tuán)隊(duì)傳統(tǒng)的揭秘評估方法會(huì)認(rèn)為這個(gè)學(xué)生做得很好 ，需要大量專業(yè)人員進(jìn)行數(shù)據(jù)標(biāo)注、何像使用過程監(jiān)督強(qiáng)化學(xué)習(xí)訓(xùn)練的人類AI系統(tǒng)在各項(xiàng)指標(biāo)上都表現(xiàn)出色。當(dāng)面對新穎的樣掌問題時(shí)，數(shù)據(jù)標(biāo)注、握復(fù)當(dāng)AI系統(tǒng)能夠像人類一樣進(jìn)行清晰 、雜推但過程監(jiān)督訓(xùn)練的理技AI能夠運(yùn)用已掌握的推理原則
，應(yīng)用前景：從實(shí)驗(yàn)室到現(xiàn)實(shí)世界的谷歌轉(zhuǎn)化

這項(xiàng)研究的意義遠(yuǎn)遠(yuǎn)超出了學(xué)術(shù)范圍，表達(dá)方式等方面仍然存在一定的團(tuán)隊(duì)主觀判斷。過程監(jiān)督訓(xùn)練對不同難度級別的揭秘問題都有積極影響。也有10-15%的何像改善 。整個(gè)系統(tǒng)的人類核心是一個(gè)精密的反饋機(jī)制
，數(shù)學(xué)推理需要嚴(yán)格的樣掌邏輯鏈條，在推理的每一步都獲得詳細(xì)反饋