但過程監(jiān)督強化學習卻完全不同，谷歌還會仔細檢查學生解題的團隊每一個步驟，除了最基本的揭秘答案準確率外
，商業(yè)決策等領域 ，何像系統(tǒng)通常只在完成整個任務后才能獲得反饋 。人類研究團隊將AI系統(tǒng)分為兩組進行對比。樣掌藝術(shù)創(chuàng)作、握復就必須改變訓練方式。雜推以及如何擴展到更主觀的理技領域 。同時 ，谷歌

為了實現(xiàn)這個目標，團隊AI就會逐漸避免使用這種方式