OpenAI 提出通过过程监督提升数学推理能力

OpenAI 训练模型通过奖励每个正确的推理步骤（过程监督）而非仅奖励最终答案（结果监督），在数学问题求解中达到 SOTA 水平。相比结果监督，过程监督不仅显著提升了模型性能，还能直接引导模型生成人类认可的思维链，带来重要的对齐收益。