文章摘要
【关 键 词】 Agent进化、持续学习、后台训练、规则注入、碎片化AI
MetaClaw框架实现了一种新型Agent持续进化范式，突破传统“上线即冻结”限制。
该框架由四所高校联合开发，核心在于“快慢双循环”机制：快速适配路径通过分析失败轨迹，将可迁移行为规则实时注入系统提示词，无需停机即可生效；慢速进化路径则在用户闲置时，利用机会式元学习调度器（OMLS）触发基于LoRA的强化学习，对策略进行渐进式优化，二者结合实现能力升级与服务稳定并存。
OMLS调度器通过监测日历、键盘鼠标闲置及睡眠时段等信号，将人类碎片化空闲时间转化为AI训练窗口，避免集中式停服重训，大幅降低部署门槛——仅需两条命令即可完成启动配置。
该框架在MetaClaw-Bench基准测试中表现出显著增益：仅依赖技能注入时，模型相对准确率最高提升32.2%；结合技能与权重优化后，端到端任务完成率从2.0%跃升至16.5%，实现8.25倍增长；在多阶段自主研究流水线中，综合鲁棒性提升18.3%，阶段重试率下降24.8%，迭代轮次减少40%。
其优势在弱底模模型上尤为突出，因过程性知识（如格式规范、操作纪律）的显式注入能有效弥补底层模型在隐式规则上的缺失，而高起点模型受限于天花板效应，提升幅度较小。
该框架并非单纯依赖在线强化学习，而是以支持集与查询集分离、技能版本控制为关键设计，规避旧数据污染问题，真正达成记忆与进化协同统一。
尽管当前验证场景仍限于模拟环境，但其提出“交付之后继续生长”的生命周期理念，正推动Agent发展进入新阶段——未来模型的能力上限不仅取决于参数规模，更在于真实使用中经验转化与自我迭代闭环的构建力。
原文和模型
【原文链接】 阅读原文 [ 2462字 | 10分钟 ]
【原文作者】 新智元
【摘要模型】 qwen3-vl-flash-2026-01-22
【摘要评分】 ★☆☆☆☆
相关文章
