Du kan ikke lære det du ikke kan prøve Skru opp temperaturen for å trene flere nysgjerrige agenter. Enkelt og effektivt. Fra "Trening av en generelt nysgjerrig agent": Vi designer et mangfoldig sett med oppgaver der en LLM-agent trenger strategisk informasjonsinnsamling for å lykkes, og trener deretter en LLM på selvgenererte data for å foretrekke baner med høyere ytelse. Den resulterende atferden som læres kan overføre nullskudd til usette oppgaver, og vise potensialet til å bygge generelle beslutningsagenter.