Ecom-RLVE：电商对话智能体的可验证环境
深度Hugging Face2026年4月16日6 分钟阅读
RLVE 框架从单轮推理扩展到多轮、工具增强的电商对话。EcomRLVE-GYM 提供 8 个可验证环境，每个都包含程序化问题生成、12 维难度课程和算法可验证的奖励。我们使用 DAPO 训练了一个 Qwen 3 8B 模型，初步结果显示环境扩展和自适应难度能提升智能体在真实任务中的完成能力。
觉得有用？分享给更多人
相关文章
Anthropic 周四发布报告，指控中国 AI 公司对其 Claude 模型发起蒸馏攻击，以提取思维链用于训练自家模型。报告称共观测到近 2 亿次对话，归因于五个独立行动，规模最大的一起来自阿里，涉及 1.51 亿次对话，目标是为 Qwen 系列模型生成训练数据。另一起来自月之暗面，近 30 万次请求可能与中国军方有关。
深度·9月10日·3 分钟
GPT-Live-1 采用原生全双工架构，能边对话边把复杂请求交给后台模型（如 GPT-6 Astra 或 Luna）处理，再通过事件机制把结果融入对话。它比 GPT-Realtime-2.1 在 Full Duplex Bench 上高出 30 个百分点，定价每分钟 0.05 美元。代价是开发者要把更多语音栈的控制权交给 OpenAI。
深度The New Stack·9月10日·4 分钟