将智能体交互形式化为状态、更新与行动共同决定后续上下文的学习过程。
推荐理由：传统上下文学习假定样本由外部提供，此工作把主动选取证据纳入算法本身；该形式化有助于判断Transformer能在闭环交互中学会哪些探索与更新策略。
阅读原文