trajectory-efficiency

本文研究了什么使交互轨迹对训练基于终端的AI智能体有效，介绍了Terminal-Lego流程，并揭示了一个教学悖论：较弱的智能体可以产生更好的训练数据。研究发现，环境基础监督（而非教师性能）是学生泛化能力的关键。