EnvLunch：用可执行环境作为智能体训练的免费数据来源

论文提出 EnvLunch，利用可执行环境自动生成可验证的动作轨迹，无需人工标注任务描述，作为下游智能体强化学习前的预热阶段。该方法在全部下游训练预算上平均比基线高 9 分以上，在标注数据很少时，基线需要 8 到 32 倍的标注样本才能达到 EnvLunch 最小预算下的准确率。作者还发现，让环境本身定义任务比让模型自行编写任务收益更大，且该预热也能改善数据分析之外基准上的微调效果。