lab Microsoft Research Blog · hace 2 h · research

Microsoft Research Asia lanza Agent Lightning v1.0 para Harnessed Agentic RL

Traducido del English → Español

Microsoft Research Asia ha liberado como código abierto Agent Lightning v1.0, un marco de trabajo ligero que implementa el paradigma de entrenamiento "Harnessed Agentic RL". Este enfoque permite que el aprendizaje por refuerzo utilice el mismo agente de producción desplegado, eliminando la necesidad de reimplementar la lógica del agente dentro del sistema de entrenamiento.

El marco de trabajo consta de aproximadamente 3.500 líneas de código e incluye un API Gateway, Rollout Controller y Customized Trainer.
Admite ejecución nativa en Kubernetes para agentes en clústeres autoadministrados, infraestructura en la nube o entornos locales sin dependencias de sandbox comerciales.
Una canalización de agente de codificación de extremo a extremo utilizando Qwen3.5-9B logró un aumento de 14,6 puntos porcentuales en SWE-bench Verified, elevando Pass@1 del 41,8% al 56,4% con solo alrededor de 6.000 muestras de entrenamiento.

Este diseño permite a investigadores y desarrolladores entrenar agentes directamente con sus marcos de despliegue existentes, asegurando que el modelo entrenado se comporte idénticamente al sistema desplegado mientras mantiene una canalización simple y reproducible.

Importancia 2/3 Nuevo entorno de evaluación con diferenciadores Confianza 3/3 Microsoft Research Blog Microsoft Research AI agents Training methods

Benchmarks

Benchmark	Modelo	Puntuación
SWE-bench Verified	Qwen3.5-9B	56.4%

Artículos relacionados

lab Microsoft Research Blog · hace 7 d · 33 vistas

El sistema de Microsoft Research predice riesgos del clima espacial para 66.935 subestaciones en EE. UU.

Una canalización de aprendizaje automático desarrollada en Microsoft Research genera estimaciones de riesgo de corriente inducida geomagnéticamente (GIC) específicas por ubicación para 66.935 subestaciones en los Estados Unidos continentales. El sistema combina pronósticos del viento solar con datos geológicos locales para proporcionar a los operadores de la red una advertencia anticipada de 30 a 60 minutos antes de que aparezcan riesgos específicos.

arxiv arXiv cs.CL · hace 29 d · 62 vistas

ExecCritic utiliza RL específico por rol para mejorar agentes de codificación mediante reparación guiada por pruebas

Los investigadores presentan ExecCritic, un marco que combina una estructura de verificar-revisar-corregir con aprendizaje por refuerzo específico por rol para potenciar agentes de codificación. El sistema separa la construcción de pruebas de la reparación del código fuente, utilizando un agente de Pruebas para generar pruebas nativas del repositorio y un agente de Reparación para revisar el código basándose en retroalimentación de ejecución.

lab Microsoft Research Blog · hace 69 d · 64 vistas

Microsoft Research presenta EvoLib para el aprendizaje en tiempo de prueba con una biblioteca en evolución

Microsoft Research ha presentado EvoLib, un marco que permite a los modelos de lenguaje grandes aprender de su propia experiencia durante la inferencia sin necesidad de etiquetas de verdad fundamental ni retroalimentación externa. En lugar de almacenar experiencias crudas como memorias estáticas, EvoLib las transforma en habilidades reutilizables e insights reflexivos que se refinan, consolidan y reponderan continuamente.

lab Microsoft Research Blog · hace 69 d · 52 vistas

Microsoft lanza Echoverse para entrenar agentes de uso de computadora

Microsoft Research ha lanzado Echoverse, una colección de doce entornos sintéticos profundos diseñados para entrenar agentes de uso de computadora. La iniciativa incluye diez mundos específicos por dominio y dos mundos centrados en capacidades, todos construidos para mantener un estado coherente y fidelidad conductual.

lab Microsoft Research Blog · hace 99 d · 74 vistas

SkillOpt: Habilidades de agente como parámetros entrenables

Microsoft Research presenta SkillOpt, un método que trata los archivos de habilidades del agente como parámetros entrenables fuera de un modelo objetivo congelado, transformando la edición manual de habilidades en un proceso de optimización controlada. Este enfoque mejora la fiabilidad y consistencia del agente sin actualizar los pesos del modelo subyacente.