HF Daily Papers·· 6 天前精选AI 评分37
ClawLoop：面向沙箱环境智能体的自改进训练框架
ClawLoop: Self-Improving Agents via Harness-Native Training Loop
AI 导读
ClawLoop 提出一种让大语言模型智能体在沙箱工作空间中自改进的训练框架，不依赖外部教师模型。该框架由任务合成、SFT/RL 训练和诊断反馈三阶段组成循环。
推荐理由
提出不依赖外部教师的智能体自改进训练框架，在多个评测基准上取得稳定提升，并验证了合成任务可迁移到更小模型。
来源：HF Daily Papers · huggingface.co