EnvLunch：把可执行环境当作免费午餐，免标注预热智能体交互能力

EnvLunch 提出免人工标注的智能体预热阶段：在可执行环境中采样并执行有效动作轨迹，让模型仅凭最终观测还原功能等价的轨迹。该无标签预热在所有下游训练预算下平均比基线高 9 分以上，标注稀少时基线需 8 至 32 倍标注样本才能追上其最小预算的准确率。由环境自行定义任务优于让模型自写任务，该预热也能提升数据分析之外基准的微调表现。