Agentic RL

智能体强化学习（Agentic Reinforcement Learning，Agentic RL）将强化学习优化目标从单轮文本生成扩展至多步骤环境交互与动作轨迹（Trajectory）。它依据 Agent 在沙箱或真实环境中的任务最终成功率、工具调用有效性、执行步数及环境反馈计算奖励，直接优化 Agent 的长链条规划、工具选择与自我纠错策略。