Beyond Static Evaluation: Building Simulation Environments for Scalable Agentic Reinforcement Learning

AgenticAI-Supervisor 把 API/UI 驱动的任务环境包装成类似 RL Gym 的执行环境，核心是用可验证执行结果替代静态题目打分。平台生成 high-fidelity traces，并用 multi-dimensional reward shaping 训练/优化 agent；为了抑制 reward hacking，它强调内部状态验证和测试。论文目前展示的是 Customer Support Agent case study，后续计划扩展 Computer Use、Tool Use、自动“stumping”和边界用例生成，适合作为 agentic RL 基础设施的早期形态来读。