Ecom-RLVE: entornos verificables adaptativos para agentes conversacionales de comercio electrónico

Resumen del corpus

Investigadores de owlgebra-ai presentan EcomRLVE-GYM, una extensión del marco RLVE que lleva el aprendizaje por refuerzo con recompensas verificables a conversaciones de comercio electrónico multi-turno con uso de herramientas. El sistema ofrece ocho entornos verificables (descubrimiento de productos, sustitución, carrito, devoluciones, seguimiento de pedidos, políticas, paquetes y recorridos multi-intención) con generación procedimental de problemas y un currículo de dificultad de 12 ejes. Entrenaron un modelo Qwen 3 8B con DAPO durante 300 pasos y reportan resultados tempranos que muestran que el escalado de entornos y la dificultad adaptativa se transfieren a tareas agénticas del mundo real.