AIエージェントを強化学習で継続的に改善する「Agentic RL」を解説。GRPO・GSPOなどの最新RL手法、LLMエージェントの評価・改善ワークフロー、W&B WeaveやSkillsを活用したオブザーバビリティ、自律改善、実運用アーキテクチャを紹介します。