超越静态评估：构建可扩展代理强化学习的仿真环境

随着大语言模型演变为自主代理，传统静态评估难以捕捉多步决策过程。本文提出 AgenticAI-Supervisor，一个由 API 和 UI 驱动的强化学习 gym 环境，将环境创建与可扩展执行解耦。该平台通过验证执行结果生成高保真轨迹并应用多维奖励塑造，同时利用严格的内部状态验证抑制奖励欺骗。客户服务代理案例研究展示了其用于模型优化的闭环反馈能力，未来将拓展至工具使用及边缘案例生成等高级功能。