ClawGym: Масштабируемая платформа для создания эффективных Claw-агентов
ClawGym: A Scalable Framework for Building Effective Claw Agents
April 29, 2026
Авторы: 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
Аннотация
Среды типа Claw поддерживают многошаговые рабочие процессы с локальными файлами, инструментами и устойчивыми состояниями рабочего пространства. Однако масштабируемая разработка в таких средах остаётся ограниченной из-за отсутствия систематической инфраструктуры, в частности, для синтеза верифицируемых обучающих данных и их интеграции с обучением агентов и диагностической оценкой. Для решения этой проблемы мы представляем ClawGym — масштабируемую инфраструктуру, поддерживающую полный жизненный цикл разработки персональных агентов в стиле Claw. Конкретно мы создаём ClawGym-SynData — разнообразный набор из 13,5 тыс. отфильтрованных задач, синтезированных на основе персонализированных интентов и операций, основанных на навыках, в паре с реалистичными макетами рабочих пространств и гибридными механизмами верификации. Затем мы обучаем семейство эффективных моделей в стиле Claw, названных ClawGym-Agents, с помощью контролируемого тонкого обучения на траекториях развёртывания типа "чёрный ящик", а также исследуем обучение с подкреплением через облегчённый конвейер, параллелизующий развёртывание в песочницах для каждой задачи. Для обеспечения достоверной оценки мы дополнительно создаём ClawGym-Bench — бенчмарк из 200 экземпляров, откалиброванных с помощью автоматической фильтрации и проверки человеком-LLM. Соответствующие ресурсы будут скоро выпущены по адресу 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.