Ecom-RLVE、EコマースAIエージェント向けの検証可能なGymを導入
Hugging Faceは、Eコマース対話エージェントのトレーニング用の検証可能な強化学習環境「Ecom-RLVE」を公開しました。LLM-as-a-judgeアプローチとは異なり、8つの異なるショッピングシナリオにわたるタスク完了、効率性、ハルシネーションチェックに基づくプログラマティックな報酬シグナルを使用し、エージェントが製品IDをでっち上げることなくマルチターンのワークフローとツール使用を正しく処理できるようにします。
Hugging Faceは、Ecom-RLVEと呼ばれるオープンソースの強化学習環境を導入した。これは、電子商取引（e-commerce）用の会話エージェントを訓練および評価するために設計された。 このフレームワークは、RLVE-Gymを拡張しており、単一ターン・テキストパズルから、ツール使用を必要とする複雑で多ターンなエージェント・ワークフロー（カタログ検索やカート操作など）に移行している。 適応型の難易度カリキュラムを特徴とし、タスクの成功（製品/バリアント/数量のタプルのF1スコア）、効率、幻覚ペナルティに基づいて検証可能な報酬を提供し、エージェントが取得しなかった製品IDを生成しないようにする。