後來就發現說，o1 出來的時候，他們發現還不能沒有這樣的東西。那 o1 稍微提醒一下，就是大家忽然發現說，如果讓模型每一步在出最後答案之前，稍微停下來想一想，這件事情怎麼樣解決比較好的話，那他就可以產出好很多的結果，尤其是長程的任務，就是所謂的推理模型。但是他那個時候，不可能回去問當初打分的肯亞人，說針對這件事情，所以你必須要給它一個模型規格，不然這一套所謂的審議式對齊，根本沒有辦法運作，整個 reasoning 都是假的。