ClawGym II 框架带来一种新思路：把 OpenClaw 或 Claude Code 当作黑盒，直接纳入强化学习（RL）训练循环，无需访问其内部机制。

在 ClawGym-Bench Pass@1 基准上，该方法效果显著。经 OpenClaw 训练，分数提升 9.98 分；经 Claude Code 训练，提升达到 14.81 分。

打开网易新闻 查看精彩图片

混合训练同样有效

除了单一模型训练，混合训练方式也被验证可行。框架能力还扩展到了 JobBench 和 OfficeQA 等更多评测场景。

这套方案的核心价值在于，不依赖模型内部结构，仅通过外部反馈就能持续优化智能体表现，为黑盒场景下的智能体训练提供了可复用的路径。