产品reef代码库
reef
一个开源代码仓库，同时包含harness loop（配置搜索循环）和weight recipes（权重训练循环）两种自我改进智能体实现，用于研究AI自我改进与强化学习的边界
时间轴 (近 90 天)
10月15日
发帖者提出了两条改进方向：拒绝记忆与保守发布策略，并在其维护的工具reef中实现了这些策略。
待验证50%
10月14日
reef的OpenClaw-RL配方使用72道GSM8K题目作为任务流，Qwen3-4B同时充当策略模型和过程奖励模型，Qwen3-32B作为学生模型，使用七块GPU，并设有一个更新被接受前必须达到的阈值。
待验证50%
10月2日
reef 代码库在同一套代码里包含了两种循环：harness 循环（框架循环）和 weight recipes（权重方案）循环
待验证50%
10月2日
harness 循环只需要一个模型 endpoint，不需要任何 GPU，且不更新模型参数
待验证50%