UIUC 团队 CoPE：给 GRPO 加一个预测损失，样本效率提升 2 倍

UIUC 实验室发布 CoPE（Co-Evolving Acting and Forecasting for Language Agents），在 GRPO 之上仅增加一个多步动作预测损失，让 agent 从成功 rollout 中学习动作块，在 5 个长程 agent 基准上最高实现 2× 样本效率提升。