本研究提出了一种自我教学前瞻方法，旨在降低交互领域中收集真实任务奖励的成本和时间。该方法通过状态转移动态训练价值模型，使中型开放权重模型的性能可与大型语言模型相媲美，成本降低了37倍。

本研究提出了一种自我教学的序列方法，用于声音事件识别。该方法通过多阶段学习提高系统在弱标注或嘈杂数据环境中的泛化能力。在Audioset数据集上性能提升9%，并在转移学习任务中表现出更强的知识传递和泛化能力。