EnvLunch：将环境作为交互学习的免费资源
用于数据分析的语言模型智能体，通常需要大量标注任务，才能学会与数据库等可执行环境有效交互。EnvLunch利用环境自身的交互结构和可验证结果生成训练信号，无需由人工或模型编写任务描述。在预热阶段，该方法执行有效的动作轨迹，并训练智能体仅凭最终观察结果还原功能等价的轨迹。作者报告称，在不同的下游训练预算下，EnvLunch平均比基线高出9分以上。标注数据较少时，基线需要多出8至32倍的标注样例，才能达到EnvLunch在最低训练预算下的准确率。该方法还提升了数据分析以外基准测试上的微调效果。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。