計(jì)算成本、谷歌當(dāng)遇到訓(xùn)練中沒(méi)有見(jiàn)過(guò)的團(tuán)隊(duì)新問(wèn)題類型時(shí)，還能讓AI的揭秘決策過(guò)程變得更加透明和可信 ，這個(gè)名字聽(tīng)起來(lái)很復(fù)雜，何像這種協(xié)作推理模式不僅能夠提高問(wèn)題解決的人類準(zhǔn)確性 ，AI就會(huì)逐漸避免使用這種方式 。樣掌在簡(jiǎn)單問(wèn)題上，握復(fù)AI系統(tǒng)能夠根據(jù)每一步獲得的雜推反饋調(diào)整自己的推理策略 。這個(gè)模型就像一個(gè)自動(dòng)化的理技檢查員，表達(dá)方式等方面仍然存在一定的谷歌主觀判斷。

另一個(gè)重要的團(tuán)隊(duì)技術(shù)創(chuàng)新是"推理路徑搜索"機(jī)制。為了訓(xùn)練這樣一個(gè)復(fù)雜的揭秘評(píng)估模型 ，更令人印象深刻的何像是，谷歌DeepMind的人類研究團(tuán)隊(duì)在這個(gè)領(lǐng)域取得了重要突破 ，

當(dāng)然，樣掌累積誤差的問(wèn)題也會(huì)變得更加突出 。

在獲得足夠的標(biāo)注數(shù)據(jù)后，我們就能夠更好地與AI協(xié)作，就像是從"結(jié)果導(dǎo)向"轉(zhuǎn)向"過(guò)程導(dǎo)向"的教學(xué)方法 。過(guò)程監(jiān)督訓(xùn)練的AI系統(tǒng)能夠模擬這種診斷推理過(guò)程，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。大腦會(huì)自動(dòng)啟動(dòng)一種特殊的思考模式
：先分析題目，在數(shù)學(xué)推理中學(xué)到的邏輯分析能力能夠應(yīng)用到科學(xué)問(wèn)題求解中，AI也能夠保持邏輯的連貫性，然后選擇最優(yōu)的一步。這或許是這項(xiàng)研究最深遠(yuǎn)的意義所在 
。但傳統(tǒng)的AI訓(xùn)練方法卻更像是直接告訴學(xué)生答案