Pesquisadores propõem frameworks de RL para harnesses de agentes

Dois novos artigos no arXiv descrevem frameworks para aplicar aprendizado por reforço a agentes que rodam dentro de harnesses complexos e de longa duração. O LEGO-RL se concentra em agentes de programação, usando proxying de LLM em processo, orquestração de sandboxes, ferramentas de validação e monitoramento e uma interface ao vivo para alinhar o treinamento por gradiente de política à execução nativa no harness. O ClawGym II apresenta um framework de RL de caixa-preta para agentes gerais, usando rollouts concorrentes em sandbox, proxies de serving nas fronteiras do modelo, reconstrução de trajetórias por árvore de prefixos e adaptações de PPO e GRPO.