EnvLunch：让可执行环境成为智能体交互学习的“免费午餐”

研究者提出 EnvLunch 预热训练阶段，无需人工或模型生成任务描述，直接利用可执行环境自身的交互与执行结果训练智能体。该方法通过采样有效动作轨迹并训练模型仅凭最终观察恢复等价轨迹，在各预算下游训练中平均超越基线 9 分以上。在少标注场景下，基线需 8 至 32 倍标注样本才能追平其最小预算下的准确率。