CoPE：通过联合训练提升语言智能体样本效率

发生了什么

据arXiv论文《Co-Evolving Acting and Forecasting for Language Agents》介绍，研究者提出CoPE方法，通过联合训练动作与预测来提升语言智能体的样本效率。该方法在多步动作目标上训练策略骨干网络，使行动与预测共同进化。在ScienceWorld等五个基准测试中，CoPE比ECHO和GRPO分别提高了1.9倍和2.0倍的样本效率，且无需额外模型或推理开销。