论文页面 - EnvLunch：环境是交互学习的免费午餐

来源：https://huggingface.co/papers/2610.33817 发布于 10 月 24 日

·

由 https://huggingface.co/thinkwee 提交

weiliu (https://huggingface.co/thinkwee) 于 10 月 27 日发布

摘要

EnvLunch 利用可执行环境生成可验证的训练轨迹，无需人工标注，从而提升智能体性能并减少下游任务对标注数据的需求。

在智能体数据分析场景中，语言模型智能体通常需要大量标注任务，才能学会如何与可执行环境（即数据库）进行有效交互。高质量的标注任务需要投入大量人力，而可执行环境本身已经提供了丰富的交互结构和可验证的结果。从这个意义上说，环境本身就提供了一顿“免费午餐“——一套无需人工标注的可验证任务。我们提出 EnvLunch，这是一个预热阶段，在下游智能体强化学习之前，将这种环境信号转化为智能体训练，无需人工编写或模型生成的任务描述。EnvLunch 采样有效的动作轨迹，执行它们以获得最终观测结果，然后训练智能体仅凭最终观测恢复出一条功能等价的轨迹。这种无标注预热使模型在所有下游训练预算下平均比基线高出 9 个以上百分点；在标注较少的情况下，基线需要 8 到 32 倍的标注样本才能达到 EnvLunch 模型在最小训练预算下所达到的准确率。让环境单独定义任务，比让模型在相同环境上自行编写任务带来更大的收益，而且这种预热方式还能改善数据分析之外的基准测试上的微调效果。因此，EnvLunch 节省了标注任务，并在标注任务有限时为智能体模型微调提供了更好的起点。

查看 arXiv 页面 (https://arxiv.org/abs/2610.33817)　查看 PDF (https://arxiv.org/pdf/2610.33817)　GitHub0 (https://github.com/thinkwee/EnvLunch)　添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2610.33817)

在你的智能体中获取这篇论文：

hf papers read 2610.33817

还没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

没有模型链接到这篇论文

在模型的 README.md 中引用 arxiv.org/abs/2610.33817，即可从此页面链接它。

引用本文的数据集0

没有数据集链接到这篇论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.33817，即可从此页面链接它。

引用本文的 Space0

没有 Space 链接到这篇论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.33817，即可从此页面链接它。

包含本文的合集0

没有合集包含这篇论文

将这篇论文添加到合集，即可从此页面链接它。