Vous voulez obtenir un agent LLM pour réussir dans un environnement OOD ? Nous abordons le cas le plus difficile avec le SPA (Self-Play Agent). Pas de données supplémentaires, d'outils ou de modèles plus puissants. Du pur auto-jeu. Nous internalisons d'abord un modèle du monde via l'auto-jeu, puis nous apprenons à gagner par RL. Comme un enfant jouant avec l'environnement pour simplement apprendre "que se passe-t-il si je fais ça ?" Ci-dessous, nous montrons nos découvertes sur : Qu'est-ce qui ne va pas avec les environnements OOD ? Quels sont les facteurs clés qui permettent à l'auto-jeu de réussir ? (1/8)