ClawGym: Un Framework per la Creazione di Agenti AI Stile Claw

ClawGym è stato presentato dai ricercatori come un framework versatile progettato per la creazione di agenti personali in stile Claw, in grado di gestire flussi di lavoro multi-step che coinvolgono file locali, strumenti e stati persistenti del workspace. Questo framework colma una lacuna negli strumenti di sviluppo sistematico coprendo l'intero ciclo di vita della creazione di agenti, dalla sintesi dei dati alla valutazione e all'addestramento. Al centro di questa iniziativa c'è ClawGym-SynData, un dataset variegato composto da 13.500 attività filtrate derivate da intenzioni basate su persona e operazioni basate su competenze, completato da workspace simulati realistici e sistemi di verifica ibridi. Il team ha sviluppato una serie di modelli noti come ClawGym-Agents attraverso il fine-tuning supervisionato su traiettorie di rollout black-box e ha esplorato l'apprendimento per rinforzo utilizzando un pipeline parallelo semplificato. Questo sforzo mira a migliorare lo sviluppo di agenti personali con un framework strutturato per la generazione di dati e l'addestramento dei modelli.