普林斯顿大学王梦迪教授团队提出的 OpenClaw-RL 框架，能够系统性地挖掘每一轮 Agent 交互背后的隐藏价值，将个人对话、终端执行等多种场景下的“下一个状态信号”统一转化为在线学习源，为通用 Agent 的实时进化提供了一种全新解决方案。

OpenClaw RL introduces an asynchronous reinforcement learning framework that trains agents from live conversations, tool ...