ClawGym: Claw 에이전트 구축을 위한 확장 가능한 프레임워크

요약

본 기술 기사는 복잡하고 다단계적인 워크플로우를 처리하는 'Claw 스타일' 에이전트 개발의 한계를 극복하기 위해 확장 가능한 프레임워크인 ClawGym을 소개합니다. ClawGym은 페르소나 기반 의도와 스킬 기반 작업을 활용하여 13,500개 이상의 필터링된 작업 데이터셋(ClawGym-SynData)을 구축했으며, 이를 통해 에이전트의 지도 학습 미세 조정 및 강화학습 탐색을 지원합니다. 또한 신뢰성 있는 평가를 위한 벤치마크인 ClawGym-Bench도 함께 제공하여, 연구자들이 체계적으로 개인 에이전트를 개발하고 검증할 수 있도록 합니다.

핵심 포인트

• ClawGym은 복잡한 다단계 워크플로우가 필요한 'Claw 스타일' 에이전트의 전체 라이프사이클을 지원하는 확장 가능한 프레임워크입니다.
• 13,500개 이상의 필터링된 작업을 포함하는 합성 데이터셋 ClawGym-SynData를 구축하여 현실적인 훈련 환경을 제공합니다.
• 에이전트는 지도 학습(SFT)과 강화학습(RL) 파이프라인을 통해 훈련되며, 특히 작업별 샌드박스에서 병렬화가 가능합니다.
• 신뢰성 있는 평가를 위해 자동 필터링 및 인간-LLM 검토를 거친 200개 인스턴스의 벤치마크 ClawGym-Bench를 제공합니다.