ИССЛЕДОВАНИЕ · RESEARCH · #2029
ClawLoop: платформа для самосовершенствующихся LLM-агентов в хабе (arXiv:2610.14118v1)
Препринт arXiv:2610.14118v1 предлагает ClawLoop — замкнутый цикл обучения для LLM-агентов в «хабе», который итеративно синтезирует задания, обучает агентa (SFT/ RL) и анализирует ошибки для генерации данных следующего раунда без внешнего учителя. С использованием Qwen3.6-27B в качестве модели цикла авторы демонстрируют стабильные улучшения в SkillsBench, Claw-Eval-Live и ClawGym-Bench и показывают, что сгенерированные задачи переносят выгоды на меньшие модели Qwen3.5 4B и 9B.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Препринт arXiv:2610.14118v1 предлагает ClawLoop — замкнутый цикл обучения для LLM-агентов в «хабе», который итеративно синтезирует задания, обучает агентa (SFT/ RL) и анализирует ошибки для генерации данных следующего раунда без внешнего учителя.
- С использованием Qwen3.6-27B в качестве модели цикла авторы демонстрируют стабильные улучшения в SkillsBench, Claw-Eval-Live и ClawGym-Bench и показывают, что сгенерированные задачи переносят выгоды на меньшие модели Qwen3.5 4B и 9B.
- ClawLoop демонстрирует путь к автономному, безучительскому итеративному улучшению агентов в «хабах» и генерирует переносимые данные для обучения меньших моделей.
ПОЧЕМУ ЭТО ВАЖНО
ClawLoop демонстрирует путь к автономному, безучительскому итеративному улучшению агентов в «хабах» и генерирует переносимые данные для обучения меньших моделей.