ClawLoop：面向自我改进智能体的 Harness 原生训练循环
ClawLoop 是一个旨在沙箱环境中改进基于大语言模型的智能体的框架，无需依赖外部教师模型。其循环包括任务生成与验证、通过监督微调和／或强化学习训练智能体，以及分析智能体的执行轨迹；分析结果会反馈到下一轮任务生成中。研究者使用 Qwen3.6-27B 作为循环模型，并报告其在 SkillsBench、Claw-Eval-Live 和 ClawGym-Bench 上取得持续提升。经迭代优化的任务也提升了较小规模的 Qwen3.5-4B 和 9B 模型的表现。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。