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。
所属事件:人大发布 ClawGym II，黑盒 RL 直接训练复杂 Agent(3 条相关)→
「编程与Agent」频道最新
- Kinex 发布：让编码 Agent 直接操控任意实体机器人并从每次运行中学习 — daibond_alpha · 2026-10-16
- Every 发布 8000 字 Codex 编年史：深访创始团队并支持 agent 协作阅读 — danshipper · 2026-10-16
- 开发者 4 天重写 GitHub:Keel 让 Agent 先声明意图再改代码 — threepointone · 2026-10-16
- 小模型当裁判又塞满上下文：eval 常见反模式遭吐槽 — xeophon · 2026-10-16
- Meta 开放权重模型 Muse Spark Open 上架 Ollama：1M 上下文、可接 Claude Code — ollama · 2026-10-16
- Monid 上线：一个余额按次调用 1700+ 工具的 Agent 工具注册平台 — HeyAmit_ · 2026-10-16