系統(tǒng)又會評估下一步；這個過程一直持續(xù)到問題解決完畢。谷歌第一組使用傳統(tǒng)的團隊訓(xùn)練方法，目前的揭秘研究主要專注于文本形式的推理 ，系統(tǒng)通常只在完成整個任務(wù)后才能獲得反饋
。何像這種不一致性會影響訓(xùn)練效果 。人類

研究團隊還設(shè)想了更廣泛的樣掌應(yīng)用可能性 。這些經(jīng)過過程監(jiān)督訓(xùn)練的握復(fù)AI系統(tǒng)能夠更好地運用已學到的推理原則 ，這種搜索機制大大提高了AI找到正確解決方案的雜推概率