Customer-Agent：通过工具增强代理和 RLVR 克服超长按购轨迹中的上下文限制

理解客户购物轨迹对个性化体验至关重要，但跨多年的超长记录给现有大模型带来巨大挑战。针对现有基准仅限短轨迹且真实数据稀缺的问题，本文构建了 ShopTrajQA 基准，包含长达 64k token 的模拟轨迹。研究揭示了前沿模型在长轨迹推理上的不足，并提出 Customer Agent 框架。该框架利用可验证奖励的强化学习（RLVR），将轨迹存储为外部文件，训练代理通过代码解释器自主检索解析，有效突破了 LLM 固定上下文窗口的限制，在复杂推理任务中表现优异。