closed-loop-training

CLAP提出了一种面向领域智能体后训练的闭环方法，将含噪业务数据转化为结构化的SFT和偏好样本，并结合奖励/KL诊断、离线门控以及应用链路重放来决定适配器是否发布。在五个制造批次上的实验显示平均增益适度，并强调回归和高KL风险需要集成的数据-训练-评估-发布循环，而非依赖单一评分。