এআই রিপোর্ট · Microsoft · 2026-10-07 · পণ্য ঘোষণা

Agent Lightning v1.0: বাস্তব হার্নেস দিয়ে এজেন্ট প্রশিক্ষণের জন্য 3,500 লাইনের লাইটওয়েট এজেন্টিক RL ফ্রেমওয়ার্ক

মূল শিরোনাম: Agent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses

Microsoft Research Asia Harnessed Agentic RL চালু করেছে, এটি এমন একটি প্রশিক্ষণ পদ্ধতি যেখানে ডিপ্লয়মেন্টে ব্যবহৃত একই এজেন্ট হার্নেস সরাসরি রিইনফোর্সমেন্ট লার্নিংয়ে অংশ নেয়। Agent Lightning v1.0 প্রায় 3,500 লাইন কোডে একটি সম্পূর্ণ এজেন্ট RL কন্ট্রোল প্লেন সরবরাহ করে এবং পেইড বাণিজ্যিক স্যান্ডবক্স সার্ভিস ছাড়াই Kubernetes-এ নেটিভভাবে চলে। একটি এন্ড-টু-এন্ড কোডিং এজেন্ট পাইপলাইন প্রায় 6,000 প্রশিক্ষণ নমুনা ব্যবহার করে SWE-bench Verified-এ Qwen3.5-9B-কে 41.8% থেকে 56.4% Pass@1-এ উন্নীত করেছে।

মূল লেখা পড়ুন ↗

সব এআই রিপোর্ট →