CoPE：给 GRPO 加一个动作预测损失，长程 Agent 样本效率最高翻倍
Lianhuiq · x · 2026-10-17
研究者提出 CoPE，针对长程语言智能体的 RL 训练样本效率问题，在 GRPO 之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（多步动作预测），从而从成功轨迹中学习动作分块（action chunks）。
- 在 5 个长程 agent 基准上实现最高 2 倍于 GRPO 的样本效率
- 推理阶段零额外成本
- 论文、项目页与代码均已开源
所属事件:UIUC 提出 CoPE：GRPO 加动作预测损失大幅提升样本效率(2 条相关)→
「编程与Agent」频道最新
- 「所有技术工作都在变成 evals」：工程帅的核心是给 Agent 搭验证闭环 — rachittshah · 2026-10-17
- Cursor 云端 Agent 新增交互式画布，可边跑边出仪表盘并分享链接 — belce_dogru · 2026-10-17
- 开源 20 个单文件 HTML 落地页，喂给 Codex 一键换肤整站 — Azra_Nysus · 2026-10-17
- Runway Agent 竟可直接生成 3D HTML 动画，提示词已公开 — CurieuxExplorer · 2026-10-17
- OpenAI Agents API 周报:6-Astra Ultrafast 上线、沙箱快照与空闲不计费 — OpenAIDevs · 2026-10-17
- 工程师用 Databricks Genie One 做组织发现:先找对人再动手 — durlabha · 2026-10-17