ClawLoop自改进Agent训练框架论文发布

美团模型团队相关作者（材料未说明机构）发布arXiv论文，提出无需外部教师模型的自改进Agent训练框架ClawLoop，将任务合成、SFT或RL训练、诊断与反馈连接成持续循环。 作者称：以Qwen3.6-27B作为闭环模型时，ClawLoop在SkillsBench、Claw-Eval-Live和ClawGym-Bench上带来持续改进；迭代生成的任务还迁移到Qwen3.5-4B和9B小模型并在全部基准上取得提升，用于验证数据质量不依赖闭环模型。 当前材料仅为论文摘要，具体实验细节和资源开销未说明。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。