UIUC 提出 CoPE：GRPO 加动作预测损失大幅提升样本效率

UIUC 团队发布 CoPE（Co-Evolving Acting and Forecasting for Language Agents），针对长程语言智能体 RL 训练样本效率低的问题，在 GRPO 基础上仅增加一个额外损失：让 agent 在成功 rollout 上预测自己接下来的 K 步动作。这一简单改进使长程 Agent 任务的样本效率最高提升约 2 倍。

2026-10-17 ~ 2026-10-17 · 2 条相关

• UIUC 团队 CoPE:给 GRPO 加一个预测损失,样本效率提升 2 倍 — youjiaxuan · 2026-10-17
• CoPE：给 GRPO 加一个动作预测损失，长程 Agent 样本效率最高翻倍 — Lianhuiq · 2026-10-17