无课程表学习：与任务无关的环境预处理
该研究探讨了大型语言模型代理能否在测试前探索陌生环境，在不知道后续任务分布的情况下，自主决定如何准备可复用资源。系统在预算限制下研究环境，并为一个固定求解器生成索引、脚本或流程指南等产物。研究人员在六个异质基准上，将元代理与固定的合成练习和语料处理方法进行比较。元代理在五个基准上取得最高的 Avg@3 奖励，但在最大语料库基准上，固定语料处理表现最佳。增加研究预算并不能稳定提升后续奖励。不过，预先生成的产物可以减少测试时达到目标分数所需的采样次数，将部分计算从反复测试转移到任务开始前的准备阶段。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。