当学习遵循自然语言指令时，神经网络往往需要大量的示例，将语言与动作配对才能有效学习。加州大学伯克利分校 AI 研究中心的一篇新文章，试图使模型在继续学习语言数据之前先观察环境中的动作，从而减少那些繁重的数据需求。由于将语言与已经建立了的含义相互关联能帮助理解的启发，研究人员引入了一种半监督方法，该方法旨在将抽象的含义与语言学习分开。他们发现，环境中模式的预学习可以帮助他们的模型以更少的数据学习基础语言。