美团开源 ClawLoop:无外部教师的 Agent 自我改进训练环
meituan-longcat · hf · 2026-10-14
美团 LongCat 团队与北大提出 ClawLoop,一个面向 harness 型 LLM agent(沙箱内直接操作文件系统与 shell)的自我改进训练框架,无需外部教师模型、先验依赖极小。
现有 harness agent 后训练流程多为一次性且依赖更强外部模型合成任务,上限受外部模型与人工先验约束。ClawLoop 将三个阶段组成自循环:
- 任务合成:两种互补构造例程生成多样任务池,经诊断条件化难度增长及无 agent/有 agent 双重任务验证
- 训练:用 SFT 和/或 RL 更新 agent
- 诊断与反馈:分析 rollout 行为产出能力报告,反馈给下一轮任务合成
以 Qwen3.6-27B 为环模型,在 SkillsBench、Claw-Eval-Live、ClawGym-Bench 上取得一致提升;精炼后的任务迁移到 Qwen3.5-4B/9B 小模型也全面涨分,验证了数据质量。
「编程与Agent」频道最新
- 开发者实测：Three.js 加低多边形风格，AI 时代最快出 3D 效果的路径 — dxbhiro · 2026-10-14
- 930 亿美元对冲基金 Coatue AI 主管:把投资决策当压缩问题用 agent 求解 — AccBalanced · 2026-10-14
- Emil Kowalski:把一切都外包给 agent,你会变成高效的制造者而非创造者 — itsOmSarraf_ · 2026-10-14
- ArkForge 推出 MCP 认证代理,用 Ed25519 签名给 AI Agent 调用背书 — modelcontextprotocol · 2026-10-14
- AI agent被"按住确认人类"验证卡死,截图引热议 — xeophon · 2026-10-14
- 两个 AI 语音客服过不了合规测试：编造费用、漏说披露话术 — Front-Cheetah-4980 · 2026-10-14