淘宝直播以蒸馏和强化学习升级数字人互动Agent

直播 AIGC 团队把数字人互动从「意图识别—检索—生成」的静态 Workflow 升级为 Agentic 架构：感知域融合弹幕+历史+商品信息，决策域支持多轮按需工具调用与自我纠错，执行域支持调图、调顺序、融合讲解文案等多模态响应；用 AgentTuning 把教师模型轨迹分别蒸馏到两个 Qwen3-30B-A3B Instruct 小模型（单次工具调用耗时压至 0.3s、单卡 H20 部署解码吞吐 140 tokens/s），再用 GRPO 对回复模型做 RLVR 降低幻觉；AB 实验中 Agent 平均端到端延迟降到 1.79 秒（相对下降 1.36 秒）、多轮对话用户比例提升 2.76%，最终推全上线。