🧠 ClawLoop: самоулучшение агентов без внешнего учителя

ClawLoop замыкает петлю самоулучшения агента в harness-средах — песочницах с файловой системой и shell. Метод не требует внешнего учителя: цикл состоит из синтеза задач, обучения через SFT или RL, и диагностики с обратной связью. По данным arXiv, на Qwen3.6-27B получен устойчивый прирост на трёх бенчмарках. Это контраст с типичными пайплайнами для tool-use, где сильная модель размечает траектории, а студент обучается один раз — без шанса на самокоррекцию.

Ключевые детали: задачи после итераций переносятся на меньшие модели — Qwen3.5-4B и 9B — и те тоже показывают прирост на всех бенчмарках. SkillsBench, Claw-Eval-Live и ClawGym-Bench — все из одной экосистемы Claw, что сужает независимость оценки. Дата подачи — 9 октября 2026, код и веса не упомянуты.

Самоулучшение без учителя — это не про силу модели, а про экономику файнтюнинга: не нужен доступ к SOTA-модели или человеческим экспертам, хватает собственного цикла и пары метрик отбора. Но все три бенчмарка из одного дома, и нет сравнения с пайплайном с учителем на равном бюджете — пока это проверка концепции, а не рецепт для прода.

#ClawLoop #SelfImprovingAgents #Qwen #agentic