ClawGym II 论文：混合跨工具训练 Agent

omarsar0 · x · 2026-08-19

这篇论文提出了 ClawGym II，一种通过现有的代码执行工具来训练 Agent 的方法。系统在模型边界设置服务代理，捕获工具（如 OpenClaw 和 Claude Code）的调用记录，并将其组织成前缀树，使 PPO 和 GRPO 能够在恢复的多轮结构上进行优化。实验显示，Qwen3-30A3B 模型通过该方法在 Pass@1 指标上获得了显著提升（OpenClaw +9.98，Claude Code +14.81）。此外，混合工具训练显示模型可以在不同执行系统之间泛化，而非过拟合于单一工具。