淘宝直播数字人 AgenticRL 实践：从 RLVR 到 MultiAgent RL

淘宝直播数字人 AgenticRL 实践：从 RLVR 到 MultiAgent RL

摘要

淘宝直播数字人互动从静态Workflow升级为动态Agentic架构，融合LLM与Agent自主规划能力，通过AgentTuning蒸馏降低延迟、RLVR减少幻觉，并研发Multi-Agent RL算法优化工具调用与回复模型。最终实现1.79秒低延迟、高拟真度深度互动，显著提升事实正确性、帮助性及多轮对话用户比例。