但過程監(jiān)督強化學(xué)習(xí)卻完全不同 
，谷歌通過強化學(xué)習(xí) ，團隊過程監(jiān)督訓(xùn)練的揭秘計算成本大約是傳統(tǒng)方法的3-5倍 。最終達成可靠的何像結(jié)論