EnvLunch：用环境自生成信号免标注预热智能体训练

Wei Liu 等在 arXiv 发布论文，提出 EnvLunch：一个无需人工或模型编写任务描述的预热阶段，做法是采样有效动作轨迹并执行获取最终观察，训练智能体从最终观察恢复功能等价轨迹，为下游智能体强化学习提供起点。论文称该免标注预热让模型在所有下游训练预算下平均超过基线 9 点以上，基线需要 8 到 32 倍的标注样本才能达到 EnvLunch 最小训练预算时的准确率。论文还称，仅让环境定义任务比让模型自写任务收益更大，且预热能提升数据分析之外基准的微调表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。