EnvLunch：将环境作为交互学习的“免费午餐”

研究人员提出智能体预热训练方法 EnvLunch，无需人工或模型生成任务描述，直接利用可执行环境训练模型从最终观察恢复交互轨迹。该无标签预热在下游训练中平均领先基线 9 点以上；在少样本场景下，基线需 8 至 32 倍标注样本才能追平其在最小预算下的准确率，并能提升多项基准的微调表现。