OpenClaw-RL：只需對話就能訓練任何智能體

摘要

OpenClaw-RL 是一個新的強化學習框架，突破性地將所有智能體交互（如對話、終端執行、GUI 操作）統一為同一個訓練迴圈。框架核心創新是將 next-state 信號同時作為評估信號（透過 PRM 判斷轉換為標量獎勵）和指導信號（透過 Hindsight-Guided 在線蒸餾提取），讓個人助手、軟體工程任務、工具調用等多種場景共享一個策略模型。