本文介绍了一种改进极低资源土著语翻译的技术，利用大型语言模型和上下文学习技术作为通用翻译器，以实现准确翻译。通过使用有限数量的平行翻译示例的数据存储和词级翻译词典，以及三种技术：带检索上下文的KNNPrompting、思维链式提示和来自错误的学习，可以有效地翻译极低资源语言。

本文介绍了一种解决零样本泛化挑战的强化学习算法，通过理解和利用环境的上下文线索，将上下文表示的学习与策略学习相结合。该算法在各种模拟域中展示了改进的泛化能力，在零样本情境中优于先前的上下文学习技术。同时学习策略和上下文，实现了特定行为的上下文表示，并在实现跨不同真实世界任务的强化学习系统上取得了进展。