ClawLoop：无需外部教师的智能体自改进训练框架
原文标题：ClawLoop: Self-Improving Agents via Harness-Native Training Loop
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文提出 ClawLoop，一个面向 harness 型智能体的自改进训练框架，无需外部教师模型、依赖极少先验。它由任务合成、训练（SFT/RL）、诊断反馈三阶段构成自循环，用 Qwen3.6-27B 作为循环模型在 SkillsBench、Claw-Eval-Live、ClawGym-Bench 上稳定提升，并可将任务迁移到 Qwen3.5-4B/9B 小模型。
- 问题
- harness型智能体的后训练流程稀缺，且依赖更强外部教师模型、一次性训练，无法自我改进。
- 方法
- 用任务合成、SFT/RL训练、诊断反馈三阶段构成自循环，无需外部教师，仅依赖极少先验。
- 结果
- 以Qwen3.6-27B为循环模型在SkillsBench、Claw-Eval-Live、ClawGym-Bench上稳定提升，并可迁移到Qwen3.5-4B/9B。
- 影响
- 为终端/沙箱类Agent提供不依赖更强教师模型的自训练路径，降低迭代成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ClawLoop让harness型智能体无需外部教师自改进，并可迁移到4B/9B小模型。
- •三阶段自循环：任务合成、训练（SFT/RL）、诊断反馈
- •任务合成用两条互补构建路径，做诊断条件式难度增长与无智能体/有智能体双重验证
- •诊断阶段分析rollout行为生成能力报告，反馈给下一轮任务合成
- •无需外部教师模型、依赖极少先验，突破教师能力上限
- •用Qwen3.6-27B作循环模型，在SkillsBench、Claw-Eval-Live、ClawGym-Bench上稳定提升，任务可迁移至Qwen3.5-4B/9B
为什么重要：harness型智能体的后训练流水线稀缺且依赖教师，该框架的自循环设计对做agent训练管线的团队有直接借鉴价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。