利用 高性能 大规模的 探索的 良好的 提高性能 方法 大环境 代理 训练的 训练期 建议的 状态 人类 功能的 一系列 模型 预处理 有用的 语料库 模拟器 提高 机器人 覆盖范围 Ellm 奖励 过渡的 环境 ELLM 语言 有限的 管家 代理人 大规模 训练 下游 描述