arXiv · AI· Hansi Yang, Linji Hao, Hongyan Hao, An Wang, Han Wu, Qi Gu, Xunliang Cai·· 2026-10-14AI 评分48
ClawLoop:通过 Harness 原生训练循环实现自我改进的 Agent
ClawLoop: Self-Improving Agents via Harness-Native Training Loop
AI 导读
ClawLoop 框架无需外部教师模型,通过任务合成、SFT/RL 训练及诊断反馈三阶段循环实现 Agent 自我改进。 使用 Qwen3.6-27B 作为循环模型,ClawLoop 在 SkillsBench 等基准测试中取得一致提升,优化任务可迁移至 Qwen3.5 小模型。 验证了训练数据质量独立于循环模型,打破了对强外部模型依赖的限制。
来源:arXiv · AI · arxiv.org