ECHO: ターミナルエージェントが世界モデルを無料で学習

TL;DR

Microsoft の研究者が発表した ECHO は、CLI エージェントがターミナル応答を予測するように学習するハイブリッド RL 目的関数です。これにより、学習の高速化、ダイナミクスモデリングの向上、専門家データへの依存度の低減を実現します。