Ecom-RLVE：面向电商对话智能体的自适应可验证环境

Ecom-RLVE 框架将可验证强化学习扩展至多轮电商对话，推出包含 8 个工具增强型环境的 EcomRLVE-GYM。该平台具备 12 轴自适应难度体系，完全通过算法代码计算任务收益与幻觉惩罚，无需人工或大模型裁判。团队基于 DAPO 算法训练 Qwen 3 8B 模型 300 步，验证了环境扩展能有效提升电商智能体的真实任务完成能力。