EnvLunch用环境反馈免标注训练智能体

伦敦国王学院、重庆大学与艾伦·图灵研究所团队提出 EnvLunch：利用可执行环境自动生成无需人工标注的训练数据，实验显示其使下游智能体的强化学习性能提升超过9%。 方法在强化学习前加入热身阶段：模型采样有效动作轨迹并执行至最终观察，再训练模型仅凭该观察恢复功能等价的轨迹。团队称，环境自带交互结构和可验证结果；由环境定义任务时，提升超过同一环境上的微调，并在数据分析之外的基准上也有效。

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。