model-learning

本文介绍了一种用于安全强化学习的自适应概率性防护，其中防护是通过在线学习的MDP模型计算的，随着模型变得更精确而自适应。

Shilong Liu 提出了一种分类法，将自我进化智能体分为产物优化、框架自我改进和模型学习三类，为新兴智能体研究提供了通用语言。

观察者注意到模型如何从使用 Python 解决简单任务，逐渐发展到使用子调用来解决更困难的任务。