Хочете отримати агента LLM, щоб досягти успіху в середовищі OOD? Найскладніший випадок ми вирішуємо за допомогою SPA (Self-Play Agent). Жодних зайвих даних, інструментів чи сильніших моделей. Чиста самостійна гра. Спочатку ми засвоюємо модель світу за допомогою Self-Play, а потім вчимося вигравати за допомогою RL. Як дитина, граючи з env, просто вчиться «а раптом я це зроблю?». Нижче ми демонструємо наші висновки щодо: Що не так з середовищами OOD? Які ключові фактори дозволяють успішній самостійній грі? (1/8)