CoPE：协同演化行动与预测的语言Agent RL方法

Haofei Yu 等（ulab-uiuc）提出 CoPE，一个让语言智能体在强化学习中同时学习执行行动和预测后续行动序列的方法，在多步动作目标之外增加第三类目标，并发布了论文与代码（GitHub: ulab-uiuc/CoPE）。 论文声称，CoPE 在 ALFWorld、ScienceWorld、WebShop、τ²-bench 与 AppWorld 五个基准上取得较强聚合性能；在 ScienceWorld 上样本效率最高分别比 ECHO 和 GRPO 高 1.9 倍和 2.0 倍。这些增益只用单个策略骨干实现，无需额外模型、单独预训练或推理开销。以上为作者报告的结果，尚无独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。