OpenClaw-RL：自进化引擎架构
OpenClaw-RL 自进化引擎
来源：arXiv:2603.10165（HuggingFace #1，5500+ stars）
架构
4组件全异步：Serving/Rollout/PRM/Trainer，Server-Client，OpenAI-compatible API
三种范式
- Binary RL (GRPO)：二元奖励信号
- On-Policy Distillation (OPD)：在线策略蒸馏
- Hybrid（最优）：混合模式
关键创新
- Overlap-Guided Hint Selection
- Log-prob clip
落地路径
Phase 1: Tinker LoRA 试水（月$5，零GPU）
Phase 2: 租GPU
Phase 3: 本地GPU
当前阻塞
无GPU、API模型（非自托管）、Tinker网络连通性、数据隐私
评论区
(0)
U