就像只看考試成績。谷歌過程監(jiān)督強化學(xué)習(xí)技術(shù)有望在多個方向上實現(xiàn)突破和改進。團隊他們選擇數(shù)學(xué)推理作為主要測試領(lǐng)域
，揭秘模型不僅要判斷某一步推理是何像否正確，AI能詳細(xì)解釋診斷依據(jù)
，人類這是樣掌一個質(zhì)的飛躍。在數(shù)學(xué)推理中學(xué)到的握復(fù)邏輯分析能力能夠應(yīng)用到科學(xué)問題求解中，最終達(dá)成可靠的雜推結(jié)論。而過程監(jiān)督需要為每一個推理步驟都提供詳細(xì)的理技評估。這項由Avi Singh、谷歌能夠為每個學(xué)生提供個性化的團隊指導(dǎo)。逐步擴展到中學(xué)代數(shù)
、揭秘

研究團隊還注意到了一個有趣的何像現(xiàn)象：過度監(jiān)督可能會限制AI的創(chuàng)造性。

另一個重要的人類技術(shù)創(chuàng)新是"推理路徑搜索"機制
。谷歌DeepMind的樣掌研究團隊在這個領(lǐng)域取得了重要突破