EnvLunch

EnvLunch 方法利用环境作为代理训练的免费午餐

研究人员推出了 EnvLunch，这是训练语言模型代理与可执行环境交互的一种新颖的预热阶段。该方法利用环境本身生成训练数据，无需人工标注，通过采样有效的动作轨迹，并训练代理根据最终观察结果来预测它们。EnvLunch 的表现显著优于基线模型，在需要更少标签的情况下实现了更高的准确率，并为微调代理模型（尤其是在数据分析任务中）提供了更好的起点。