Des chercheurs proposent des cadres RL pour les harnais d’agents

Deux nouveaux articles publiés sur arXiv décrivent des cadres permettant d’appliquer l’apprentissage par renforcement à des agents exécutés dans des harnais complexes et de longue durée. LEGO-RL se concentre sur les agents de codage, avec un proxy LLM intégré au processus, l’orchestration de sandboxes, des outils de validation et de suivi, ainsi qu’une interface en direct pour aligner l’entraînement par gradient de politique sur l’exécution native du harnais. ClawGym II présente un cadre RL en boîte noire pour les agents généralistes, reposant sur des rollouts concurrents en sandbox, des proxys de service aux frontières du modèle, la reconstruction de trajectoires par arbre de préfixes, ainsi que des adaptations de PPO et GRPO.