淘宝直播数字人 AgenticRL 实践：从 RLVR 到 MultiAgent RL
中文摘要
淘宝直播数字人从Workflow升级为Agentic架构，利用AgentTuning、RLVR和Multi-Agent RL实现低延迟、高拟真互动并提升准确性。
English Summary
Taobao Live upgraded its digital humans to Agentic architecture, using AgentTuning and Multi-Agent RL for low-latency, realistic interactions and enhanced factual accuracy.
Original Excerpt
📌 一句话摘要 本文介绍淘宝直播数字人从 Workflow 升级到 Agentic 架构，通过 AgentTuning 蒸馏降低延迟、RLVR 减少幻觉及创新 Multi-Agent RL 算法，实现低延迟高拟真互动，事实正确性提升 4.1pt。 📝 详细摘要 文章详细阐述了淘宝直播数字人互动架构的演进：首先从传统静态 Workflow（意图识别―检索―生成）升级到动态 Agentic 架构，实现全局上下文感知、多次按...