Microsoft چارچوب سبک Agent Lightning v1.0 را برای آموزش عامل‌ها با RL معرفی کرد

Microsoft Research Asia نسخهٔ ۱٫۰ چارچوب متن‌باز Agent Lightning را معرفی کرده است؛ ابزاری برای آموزش عامل‌های هوش مصنوعی با یادگیری تقویتی (RL)، بدون آنکه لازم باشد توسعه‌دهندگان عامل را از نو در چارچوب آموزشی پیاده‌سازی کنند. مایکروسافت می‌گوید نسخهٔ تازه با رویکرد «Harnessed Agentic RL» بازسازی شده و بر سبک‌بودن، سازگاری با محیط‌های اجرای واقعی عامل‌ها و فراهم‌کردن فرایند آموزشی کامل و بازتولیدپذیر تمرکز دارد.

در روش‌های متداول، چارچوب آموزشی حلقهٔ تعامل عامل با محیط را در اختیار می‌گیرد: مدل عمل می‌کند، محیط پاسخ می‌دهد و پاسخ به زمینهٔ مدل افزوده می‌شود. این فرض برای عامل‌هایی که ابزارها، مدیریت زمینه و منطق اجرای مختص خود را دارند، می‌تواند بازسازی پرهزینه‌ای بطلبد؛ ضمن اینکه نسخهٔ بازسازی‌شده ممکن است مانند عامل نهایی رفتار نکند.

Agent Lightning به‌جای این کار، یک واسط مبتنی بر مدل زبانی بزرگ (LLM proxy) میان عامل و مدل قرار می‌دهد. عامل به اجرای معمول خود ادامه می‌دهد و با تغییر نشانی نقطهٔ پایانی درخواست مدل به Agent Lightning، چارچوب می‌تواند فراخوانی‌های مدل را مشاهده و ثبت کند. به این ترتیب، عاملِ مورد استفاده در آموزش همان سازوکاری را به کار می‌گیرد که در محیط اجرا استفاده می‌شود.

منبع، عامل‌های کدنویسی مانند mini-SWE-agent، OpenHands، OpenCode، Claude Code و Codex را نمونه‌هایی از سامانه‌هایی می‌داند که مدیریت زمینه، پروتکل ابزارها و وابستگی‌های اجرایی خود را دارند. جزئیات بیشتر دربارهٔ قابلیت‌های نسخهٔ ۱٫۰ در متن در دسترس ارائه‌شده نیامده است.