A Microsoft Research kiadja az Agent Lightning v1.0‑t, egy könnyű súlyú RL keretrendszert a valós ügynök harness‑ekhez
Az Agent Lightning v1.0 egy 3 500 soros nyílt forráskódú keretrendszer, amely az ügynököket a telepítési harness‑eik használatával képezi, natív Kubernetes támogatással és bizonyított kódoló‑ügynök teljesítményjavulással.
Az eredeti forrás közzétételi dátuma: 2026. október 7.
Microsoft Research Asia nyílt forráskódúvá tette az Agent Lightning v1.0‑t, egy megerősítéses tanulási keretrendszert, amely a Harnessed Agentic RL paradigma köré épül. Az egész rendszer körülbelül 3 500 sor kódból áll, és közvetlenül csatlakozik egy ügynök meglévő harness‑éhez egy LLM proxy‑n keresztül, ezzel megszüntetve az ügynök újraimplementálásának szükségességét a tanulási ciklusban.
A keretrendszer az ügynököket szabványos Kubernetes feladatokként futtatja, elkerülve a kereskedelmi sandbox szolgáltatásokat, és bevezeti a Collocated Async RL‑t, amelyről a szerzők azt jelentik, hogy körülbelül 2‑szöres végponttól‑végpontig sebességnövekedést eredményez a szinkron RL-hez képest, miközben kevesebb GPU-t használ. Egy végponttól‑végpontig tartó kódoló‑ügynök kísérletben a Qwen3.5‑9B körülbelül 6 000 mintán való tanítása a Pass@1 értéket a SWE‑bench Verified‑en 41,8 %-ról 56,4 %-ra emelte, ami 14,6 pontos javulás.