标签
该论文提出 TURTLE，一种无监督环境设计方法，通过 proposer、solver 和 feedback generator 自动演化出自我调优的长时程工具使用基准，可在 AppWorld、τ-Bench 等评测中提升任务难度、多样性并揭示更广的失败模式。
本文介绍了PATH，一个用于强化学习中主动课程优化的框架，该框架利用课程图结构来提高在不同环境中的鲁棒性和泛化能力。