研究團隊發(fā)現(xiàn)，谷歌這種算法能夠根據(jù)每一步的團隊反饋信號調(diào)整AI的推理策略
。

Q3
：過程監(jiān)督強化學習能在哪些領域產(chǎn)生實際價值？揭秘

A ：這項技術在教育  、目前的何像實驗主要在相對簡單的問題上進行 ，這里的人類獎勵信號不是稀疏的（只在任務結(jié)束時給出）