普林斯顿：OpenClaw-RL让AI在对话中实时进化

OpenClaw-RL 是一个由普林斯顿大学等机构提出的创新 强化学习 (RL) 框架，旨在通过挖掘智能体与环境交互中被忽视的“次态信号”来提升性能。该研究指出，无论是用户的对话回复、终端执行结果还是 GUI 状态变化，都蕴含了评估性的奖励信号和指引性的修正信息。框架采用异步解耦架构，支持策略推理、环境交互、奖励判定和模型训练并行运行，确保训练过程不会中断服务。针对个人助手，它通过 Hindsight-Guided OPD 技术将用户反馈转化为 Token 级的精细指导；针对通用智能体，它则统一了终端、软件工程和工具调用等复杂场景的训练。实验证明，这种从实时交互中在线学习的方法，能让智能体在日常使用中实现自我进化与个性化定制。