MSR Asia 发布 Agent Lightning v1.0：3,500行、用"部署态真实 harness"直接做 agentic RL——Qwen3.5-9B 在 SWE-bench Verified 从41.8%训到56.4%
Agent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses
Microsoft Research Asia 发布 Agent Lightning v1.0，围绕"Harnessed Agentic RL"重建：部署所用的同一套 agent harness 直接参与强化学习，无需在训练框架里重实现 agent。要点：整套框架约3,500行代码，小到可读可改可扩；agent 经框架的 LLM 代理接入训练、现有 harness 代码不动；原生 Kubernetes 支持，agent 以 K8s job 直接跑在自管集群/本地设施、不依赖商业沙箱服务；并给出一条完整可复现的编码 agent 训练管线——基于 Qwen3.5-9B、只用约6,000条训练样本，把 SWE-bench Verified 的 Pass@1 从41.8%提升到56.4%(+14.6个百分点)。传统 agentic RL 默认训练框架要自己掌控 ReAct 式的环境交互循环，v1.0 正是把这层假设拆掉。
论文
推荐理由：本批最值得入选的之一：不是博客观点，而是有范式命名、有体量指标(3,500行)、有基础设施口径(原生 K8s、LLM 代理不改 harness)与可复现训练结果(Qwen3.5-9B 在 SWE-bench Verified 41.8→56.4、约6,000样本)的机构发布。与包内"ReviewBench 基准(9365)"同属可核验研究/工程资产。按 ai 精选分带(T1 已选 60-87)给 58/62、mean 60≥60：入选。
