агент Флай: расширение масштабов обучения в области повышения квалификации с использованием унифицированной ресурсной системы

arXiv: 2507.14897v2 Annuales Type: заменить резюме: методы построения агентов LLM развивались от оперативной инженерии и контролируемой доработки до обучения агентоусилению (агнозный RL). Однако агенты RL по-прежнему не могут справиться с окружающими их системами: они должны взаимодействовать с разнородными средами, такими как песчаные коробки, модели и внешние API. Их распределение, повторное использование и жизненный цикл доминируют в расходах на внедрение и ограничивают масштабы практической подготовки. В этой работе мы представляем AgentFly, агентскую систему RL, построенную с единым ресурсным слоем, который рассматривает каждую из этих среда как отдельный типируемый ресурс, запланированный через один двигатель, с приобретением каждого инструмента для многооборотного повторного использования, асинхронное противодавление и перекачивание по отношению к глобальному жизненному циклу. Агент Флай принимает четырехслойный дизайн: (I) агентский слой, который резюмирует концепции агента, инструмента и вознаграждения, разукрупняя агент RL в определении агентов, инструментов и функций вознаграждения; (II) скачок слоя та