lab Microsoft Research Blog · há 2 h · research

Microsoft Research Asia lança Agent Lightning v1.0 para RL Agente Aprimorado

Traduzido do English → Português (BR)

A Microsoft Research Asia disponibilizou como código aberto o Agent Lightning v1.0, um framework leve que implementa o paradigma de treinamento "Harnessed Agentic RL". Essa abordagem permite que o aprendizado por reforço utilize o mesmo agente de produção, eliminando a necessidade de reimplementar a lógica do agente dentro do sistema de treinamento.

O framework consiste em aproximadamente 3.500 linhas de código e inclui um API Gateway, Rollout Controller e Customized Trainer.
Suporta execução nativa no Kubernetes para agentes em clusters auto geridos, infraestrutura em nuvem ou ambientes locais sem dependências comerciais de sandbox.
Um pipeline de agente de codificação end-to-end usando Qwen3.5-9B alcançou um ganho de 14,6 pontos percentuais no SWE-bench Verified, elevando o Pass@1 de 41,8% para 56,4% com apenas cerca de 6.000 amostras de treinamento.

Este design permite que pesquisadores e desenvolvedores treinem agentes diretamente com seus harnesses de implantação existentes, garantindo que o modelo treinado se comporte idêntico ao sistema implantado enquanto mantém um pipeline simples e reproduzível.

Importância 2/3 Novo ambiente de avaliação com diferenciais Confiança 3/3 Microsoft Research Blog Microsoft Research AI agents Training methods

Benchmarks

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

Artigos relacionados

lab Microsoft Research Blog · há 7 d · 33 visualizações

Sistema da Microsoft Research prevê riscos de clima espacial para 66.935 subestações dos EUA

Um pipeline de aprendizado de máquina desenvolvido na Microsoft Research gera estimativas de risco de corrente geomagneticamente induzida (GIC) específicas por localização para 66.935 subestações nos Estados Unidos continentais. O sistema combina previsões de vento solar com dados geológicos locais para fornecer aos operadores da rede 30 a 60 minutos de aviso antecipado antes que riscos específicos apareçam.

arxiv arXiv cs.CL · há 29 d · 62 visualizações

ExecCritic usa RL específico por função para melhorar agentes de codificação por meio de reparo guiado por testes

Pesquisadores apresentam o ExecCritic, um framework que combina uma estrutura de testar-verificar-revisar com aprendizado por reforço específico por função para aprimorar agentes de codificação. O sistema separa a construção de testes do reparo do código-fonte, utilizando um agente Test para gerar testes nativos do repositório e um agente Repair para revisar o código com base no feedback de execução.

lab Microsoft Research Blog · há 69 d · 64 visualizações

Microsoft Research apresenta EvoLib para aprendizado em tempo de teste com uma biblioteca em evolução

A Microsoft Research apresentou o EvoLib, um framework que permite que modelos de linguagem grandes aprendam com sua própria experiência durante a inferência, sem exigir rótulos de verdade fundamental ou feedback externo. Em vez de armazenar experiências brutas como memórias estáticas, o EvoLib as transforma em habilidades reutilizáveis e insights reflexivos que são continuamente refinados, consolidados e reponderados.

lab Microsoft Research Blog · há 69 d · 52 visualizações

Microsoft lança Echoverse para treinar agentes de uso de computador

A Microsoft Research lançou o Echoverse, uma coleção de doze ambientes sintéticos profundos projetados para treinar agentes de uso de computador. A iniciativa inclui dez mundos específicos de domínio e dois mundos focados em capacidades, todos construídos para manter um estado coerente e fidelidade comportamental.

lab Microsoft Research Blog · há 99 d · 74 visualizações

SkillOpt: Habilidades de agentes como parâmetros treináveis

A Microsoft Research apresenta o SkillOpt, um método que trata arquivos de habilidades de agentes como parâmetros treináveis fora de um modelo alvo congelado, transformando a edição manual de habilidades em um processo de otimização controlado. Esta abordagem melhora a confiabilidade e consistência dos agentes sem atualizar os pesos do modelo subjacente.