智能体与自主科学
突破级
暂无讲解视频
收录解读
这篇论文的价值不只是又补一个 personal-agent benchmark，而是把 Claw-style agent 的开发链条补完整了：合成可验证任务、构造真实 workspace、基于 rollout 训练，再到 benchmark 和诊断评估。
和单点 benchmark 或单点数据集相比，ClawGym 更接近一个 agent training stack。特别是 persona-driven intents、skill-grounded operations 和 hybrid verification 的组合，使它更像一套可扩展的开发框架，而不是一次性数据工程。
它值得正式收录，因为本库对 local-first / computer-use / persistent-workspace agent 一直偏重，而这篇工作正好贡献了一个更系统的生命周期框架。对后续个人代理、workspace agent 和操作型 agent 训练都有直接外溢。
它没有更高，是因为当前证据仍主要集中在 Claw-style environment，这套框架跨更广 GUI / web / enterprise action spaces 的通用性还需要继续证明。