待验证50% 置信事实精确时间
CoPE 的核心机制是在成功的 on-policy 轨迹上，同时监督策略主干生成后续多步动作序列，以及每个动作从其前序历史进行单独预测。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
CoPE：语言智能体动作与预测协同进化，样本效率提升2倍
rss2026/10/14
涉及实体
相关事实
待验证策略梯度方法本质上是on-policy的，因为梯度估计中的期望是关于当前策略分布的71% 相似待验证CoPE 在推理阶段保持一次一步的常规动作方式，不产生额外计算开销，不需要额外模型、单独预训练或集成推理。68% 相似待验证与传统的模型预测控制（MPC）不同，运动策略模型把复杂的平衡与步态规划压缩成一个可实时推理的网络，便于部署和迭代。67% 相似待验证MPC（模型预测控制）源自化工过程控制领域，核心思想是在每个控制周期内基于物理模型求解最优化问题并采用滚动优化机制66% 相似待验证先规划后执行模式用一个推理步骤产出计划、再用独立的执行步骤去遵循它，可降低模型在执行细节上的漂移或自相矛盾66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1038005API
curl https://kongchang.com/api/v1/knowledge/claims/1038005MCP
get_claim(id=1038005)