超越下一词预测：Atlassian 工作流中工具使用代理的 RLVR 概念验证

大型语言模型通常训练用于预测下一词元，而非在特定 API 中行动，导致在企业 SaaS 工作流中出现静默失败。本文探讨直接应用可验证奖励强化学习（RLVR）能否弥合这一差距。研究构建了五个模拟 Jira 和 Confluence API 的合成环境，完全基于工具调用轨迹计算奖励。实验显示，经 RL 训练的策略将平均奖励从基线的 0.35-0.92 显著提升至 0.95-1.00。该研究旨在推动面向特定企业 API 的结果优化小型模型发展，同时也指出了手动设计奖励难以扩展等局限性。