Hugging Face · 每日论文· 媒体 / 作者来源·精选
Co-Evolving Acting and Forecasting for Language Agents
原文标题
Co-Evolving Acting and Forecasting for Language Agents
AI 导读
针对语言代理训练中长轨迹 rollout 成本高的问题，CoPE 提出多步动作目标监督机制，通过让策略主干网络同时学习生成动作序列和预测未来动作，实现行动与预测的协同进化。在五个基准测试中，CoPE 不仅超越 GRPO 和 RL 基线，还比 ECHO 和 GRPO 提升最高 1.9 倍和 2.0 倍的样本效率，且无需额外模型或推理开销。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
CoPE 解决了语言代理训练中长轨迹成本高和中间步骤监督利用率低的瓶颈，通过单一策略主干实现高样本效率，适用于多领域任务。
导读由模型辅助整理，非独立核验。完整信息见原文。