ClawGym: Un Marco Escalable para Construir Agentes Claw Efectivos
ClawGym: A Scalable Framework for Building Effective Claw Agents
April 29, 2026
Autores: Fei Bai, Huatong Song, Shuang Sun, Daixuan Cheng, Yike Yang, Chuan Hao, Renyuan Li, Feng Chang, Yuan Wei, Ran Tao, Bryan Dai, Jian Yang, Wayne Xin Zhao
cs.AI
Resumen
Los entornos de tipo Claw permiten flujos de trabajo multi-etapa sobre archivos locales, herramientas y estados persistentes del espacio de trabajo. Sin embargo, el desarrollo escalable en torno a estos entornos sigue viéndose limitado por la ausencia de un marco sistemático, especialmente uno para sintetizar datos de entrenamiento verificables e integrarlos con el entrenamiento de agentes y la evaluación diagnóstica. Para abordar este desafío, presentamos ClawGym, un marco escalable que soporta el ciclo de vida completo del desarrollo de agentes personales de tipo Claw. De forma concreta, construimos ClawGym-SynData, un conjunto de datos diverso de 13.5K tareas filtradas sintetizadas a partir de intenciones basadas en personajes y operaciones fundamentadas en habilidades, emparejadas con espacios de trabajo simulados realistas y mecanismos de verificación híbridos. Posteriormente, entrenamos una familia de modelos capaces de tipo Claw, denominados ClawGym-Agents, mediante ajuste fino supervisado en trayectorias de ejecución de caja negra, y exploramos además el aprendizaje por refuerzo mediante una pipeline ligera que paraleliza las ejecuciones en entornos aislados (sandboxes) por tarea. Para respaldar una evaluación confiable, construimos además ClawGym-Bench, un benchmark de 200 instancias calibradas mediante filtrado automatizado y revisión humano-LLM. Los recursos relevantes serán publicados próximamente en https://github.com/ClawGym.
English
Claw-style environments support multi-step workflows over local files, tools, and persistent workspace states. However, scalable development around these environments remains constrained by the absence of a systematic framework, especially one for synthesizing verifiable training data and integrating it with agent training and diagnostic evaluation. To address this challenge, we present ClawGym, a scalable framework that supports the full lifecycle of Claw-style personal agent development. Concretely, we construct ClawGym-SynData, a diverse dataset of 13.5K filtered tasks synthesized from persona-driven intents and skill-grounded operations, paired with realistic mock workspaces and hybrid verification mechanisms. We then train a family of capable Claw-style models, termed ClawGym-Agents, through supervised fine-tuning on black-box rollout trajectories, and further explore reinforcement learning via a lightweight pipeline that parallelizes rollouts across per-task sandboxes.To support reliable evaluation, we further construct ClawGym-Bench, a benchmark of 200 instances calibrated through automated filtering and human-LLM review. Relevant resources will be soon released at https://github.com/ClawGym.