EnvLunch：用环境信号做无标注智能体预热训练

Wei Liu 等作者提出 EnvLunch，一种在智能体强化学习之前进行的无标注预热阶段：先采样有效动作轨迹并执行，得到最终观测，再训练模型仅凭最终观测还原功能等价的轨迹，全程不使用人工编写或模型生成的任务描述。 作者称，这种与标签无关的预热使模型在所有下游训练预算下平均超过基线 9 分以上；在少标签场景下，基线需 8 至 32 倍标注样本才能达到其最小预算的精度。作者还称，让环境自行定义任务的效果优于让模型自写任务，该预热也能提升数据分析之外 benchmark 上的微调表现。

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。