淘宝直播数字人互动Harness-Aware Training实践：让Agent Model随Harness一起进化

淘宝直播数字人互动 Harness-Aware Training 实践：让 Agent Model 随 Harness 一起进化

摘要

直播电商数字人需低延迟响应，但业务规则频繁变化。HAT方法将动态执行环境状态纳入训练，通过三阶段（监督微调、通用蒸馏、强化学习）训练轻量模型。在直播问答任务上达94.8分，超越千亿级模型，且能随环境变化保持鲁棒，无需重训即可适应，已落地淘宝直播。