LAMER: мета-обучение агентов для исследования через множественные попытки

Парадокс обучения: Агенты обученные максимизировать успех перестают исследовать. Первая попытка провалилась — вторая и третья почти идентичны, модель зациклилась на одной стратегии. LAMER позволяет обучить агента балансировать исследование и эксплуатацию — в ранних попытках собирать информацию, в поздних использовать её для решения. Кросс-эпизодная награда: успех в попытке 3 частично засчитывается попытке 1, если там были полезные действия. Плюс текстовая рефлексия после каждой неудачи — агент пишет что узнал и что попробовать дальше. Контекст из рефлексии меняет поведение в следующей попытке без обновления весов.