微软亚洲研究院已开源Agent Lightning v1.0，这是一个实现“Harness Agentic RL”训练范式的轻量级框架。该方法允许强化学习使用在生产环境中部署的相同agent harness，无需在训练系统中重新实现agent逻辑。

  • 该框架包含约3,500行代码，包括API Gateway、Rollout Controller和Customized Trainer。
  • 它支持在自托管集群、云基础设施或本地环境中对agents进行原生Kubernetes执行，无需商业沙箱依赖。
  • 使用Qwen3.5-9B构建的端到端coding agent pipeline在SWE-bench Verified上取得了14.6个百分点的提升，仅用约6,000个训练样本就将Pass@1从41.8%提升至56.4%。

该设计使研究人员和开发者能够直接使用现有的部署harness来训练agents，确保训练后的模型行为与已部署系统完全一致，同时保持简单、可复现的pipeline。