18.7K ·GitHub
Что это такое?
Agent Lightning — это open-source фреймворк для обучения с подкреплением от Microsoft, который позволяет обучить любого существующего ИИ-агента с помощью RL почти без изменений в его собственном коде.
Agent Lightning — это open-source фреймворк для обучения с подкреплением от Microsoft, который позволяет обучить любого существующего ИИ-агента с помощью RL почти без изменений в его собственном коде.Это сам агент или фреймворк для обучения агентов?Это фреймворк для обучения, а не агент. Он стоит между вашим существующим агентом и LLM через прокси, который превращает вызовы модели агентом в данные для обучения с подкреплением, при этом инструменты агента и его управляющая логика остаются без изменений.
Это фреймворк для обучения, а не агент. Он стоит между вашим существующим агентом и LLM через прокси, который превращает вызовы модели агентом в данные для обучения с подкреплением, при этом инструменты агента и его управляющая логика остаются без изменений.Как его запустить?Настройте машину с GPU и CUDA и следуйте Installation Guide: Trainer работает на verl и vLLM, API Gateway проксирует запросы агента к модели, а Rollout Controller запускает вашего агента локально или как Kubernetes Jobs.
Настройте машину с GPU и CUDA и следуйте Installation Guide: Trainer работает на verl и vLLM, API Gateway проксирует запросы агента к модели, а Rollout Controller запускает вашего агента локально или как Kubernetes Jobs.Нужно ли переписывать агента, чтобы обучать его с помощью этого фреймворка?Нет — это основная цель дизайна. Агент сохраняет свой текущий harness, инструменты и управляющую логику; он просто направляет вызовы модели через прокси Agent Lightning вместо того, чтобы обращаться к модели напрямую.
Нет — это основная цель дизайна. Агент сохраняет свой текущий harness, инструменты и управляющую логику; он просто направляет вызовы модели через прокси Agent Lightning вместо того, чтобы обращаться к модели напрямую.Какие результаты он показал на агентах для программирования?Используя всего 6K обучающих примеров, сквозной workflow агента для программирования на базе Qwen3.5-9B, обученный с помощью Agent Lightning, поднял результат на SWE-bench Verified с 41.8% до 56.4%, то есть на 14.6 пункта.
Используя всего 6K обучающих примеров, сквозной workflow агента для программирования на базе Qwen3.5-9B, обученный с помощью Agent Lightning, поднял результат на SWE-bench Verified с 41.8% до 56.4%, то есть на 14.6 пункта.Какие примеры задач входят в фреймворк?В комплекте есть POC-примеры: математические рассуждения Calc-X, GSM8K, научные задачи ScienceWorld, многоходовый поиск Search-R1, использование инструментов LLM-in-Sandbox и полноценный агент для программирования, обученный на тестах репозитория.
В комплекте есть POC-примеры: математические рассуждения Calc-X, GSM8K, научные задачи ScienceWorld, многоходовый поиск Search-R1, использование инструментов LLM-in-Sandbox и полноценный агент для программирования, обученный на тестах репозитория.Почему кодовая база такая компактная?Проект считает простоту базовым принципом и держит весь фреймворк примерно в 3 500 строках кода, чтобы архитектуру обучения было легко понять и расширять.
Проект считает простоту базовым принципом и держит весь фреймворк примерно в 3 500 строках кода, чтобы архитектуру обучения было легко понять и расширять.Из каких трёх основных компонентов он состоит?Trainer запускает verl и vLLM для создания обучающих примеров и обновления политики, API Gateway проксирует запросы к модели и собирает данные для обучения, а Rollout Controller запускает агентов локально или как Kubernetes Jobs.
Trainer запускает verl и vLLM для создания обучающих примеров и обновления политики, API Gateway проксирует запросы к модели и собирает данные для обучения, а Rollout Controller запускает агентов локально или как Kubernetes Jobs.What are similar projects?OpenClaw-RL, DeepAnalyze, reef, ART, minimind, halo, verl, open-r1
OpenClaw-RL, DeepAnalyze, reef, ART, minimind, halo, verl, open-r1Which topics is it in?llm-training, mlops, llm-agents, vllm, agent-framework, reinforcement-learning, qwen, fine-tuning, openai-compatible, agentic-ai, kubernetes, cuda
llm-training, mlops, llm-agents, vllm, agent-framework, reinforcement-learning, qwen, fine-tuning, openai-compatible, agentic-ai, kubernetes, cuda