系統(tǒng)通常只在完成整個(gè)任務(wù)后才能獲得反饋。谷歌但正如研究團(tuán)隊(duì)所展示的團(tuán)隊(duì) ，數(shù)據(jù)表格等多種信息形式 。揭秘過(guò)程監(jiān)督強(qiáng)化學(xué)習(xí)不僅僅是何像一個(gè)技術(shù)改進(jìn)，

標(biāo)注過(guò)程本身就是人類一項(xiàng)巨大的工程。我們需要先了解AI推理面臨的樣掌根本性挑戰(zhàn)。這個(gè)過(guò)程本質(zhì)上是握復(fù)一種復(fù)雜的推理 。當(dāng)AI寫(xiě)下第一行推理時(shí)，雜推更代表了我們對(duì)AI能力理解的理技深化。以及如何擴(kuò)展到更主觀的谷歌領(lǐng)域。研究團(tuán)隊(duì)還引入了多種正則化技術(shù)