CoPE:从轨迹历史生成多步动作序列,提升语言智能体 RL 样本效率
Haofei Yu · hf · 2026-10-20
CoPE 改进智能体强化学习:让策略基于轨迹历史生成多步动作序列而非单步决策,从而提高样本效率,且不增加推理开销。
「编程与Agent」频道最新
- Hamel Husain 实测六款决策模型做 Evals：调阈值比选模型更关键 — Hamel Husain · 2026-10-20
- 微软 10 月 25 日起默认允许用户上传可执行操作的 Copilot 智能体 — luisdans · 2026-10-20
- Voyager发布：像Codex一样的创意工作「开放式驾驶舱」 — ravisparikh · 2026-10-20
- 开发者做 Chrome 插件改造 X 体验，首个功能是更好用的 @ — vista8 · 2026-10-20
- 用户实测 Grok Bot 代订酒店：付款前先请示，还发现重复预订 — XFreeze · 2026-10-20
- 用户怒斥 Codex 会话膨胀吃光额度，转向 Hermes-Agent 自管上下文 — alexcovo_eth · 2026-10-20