想要让 LLM 代理在 OOD 环境中成功吗？ 我们用 SPA（自我游戏代理）来解决最困难的案例。没有额外的数据、工具或更强的模型。纯粹的自我游戏。 我们首先通过自我游戏内化一个世界模型，然后通过强化学习学习如何获胜。 就像孩子在环境中玩耍，简单地学习“如果我这样做会怎样？” 下面，我们展示了我们的发现：OOD 环境有什么问题？哪些关键因素使自我游戏能够成功？ (1/8)