Microsoft Research Asia открыла исходный код Agent Lightning v1.0 — легковесного фреймворка, реализующего парадигму обучения "Harnessed Agentic RL". Этот подход позволяет использовать в обучении с подкреплением тот же агентный хабард, который развёрнут в продакшене, устраняя необходимость повторной реализации логики агента внутри системы обучения.

  • Фреймворк состоит примерно из 3500 строк кода и включает API Gateway, Rollout Controller и Customized Trainer.
  • Он поддерживает нативное выполнение на Kubernetes для агентов в самодостаточных кластерах, облачной инфраструктуре или локальных средах без коммерческих зависимостей от песочниц.
  • Конвейер end-to-end кодирования с агентом на базе Qwen3.5-9B показал прирост на 14,6 процентных пункта на SWE-bench Verified, повысив Pass@1 с 41,8% до 56,4% всего на ~6000 обучающих примерах.

Эта архитектура позволяет исследователям и разработчикам обучать агенты непосредственно с использованием их существующих хабардов развёртывания, гарантируя идентичное поведение обученной модели по сравнению с развёрнутой системой при сохранении простого и воспроизводимого конвейера.