微软研究院于 10 月 7 日概述了 Agent Lightning v1.0，介绍了一种在保留管理 AI 智能体工具、上下文和执行的软件的同时训练 AI 智能体的方法。[1]
该框架使用模型代理将现有的智能体运行框架（agent harness）连接到强化学习。其设计旨在减少在独立的训练系统中重建智能体行为的需要。微软称其实现紧凑，并支持以 Kubernetes 任务的方式运行智能体。[1]
在随附的研究中，作者报告称，使用约 6,000 个样本训练 Qwen3.5-9B，使 SWE-bench Verified 的性能从 41.8% 提升至 56.4%，提高了 14.6 个百分点。这些数字描述的是所报告的实验设置，并不保证其他模型或智能体也能获得改进。[2]
该论文最初于 8 月 18 日提交至 arXiv。10 月的文章是后续的官方概述，而不是该框架的首次公开披露。[2]
对开发者而言，其相关意义在于可以在与部署相同的编排系统中评估学习效果。其他环境中的结果将需要单独测试。
智能体运行框架是决定调用哪些工具、如何管理上下文以及何时继续任务的周边软件。论文认为，这一周边系统应直接参与训练，因为在其他地方重建它可能会在训练与部署之间引入差异。[2]
这一选择带来了额外的研究挑战。一个任务可能产生多次模型调用，作者研究了这些调用如何成为训练样本，以及如何处理奖励和损失，而不会过度偏重产生更多样本的任务。[2]
微软的概述还描述了三个主要组件：API 网关、管理智能体执行的控制器以及训练器。这种分离使执行能够独立于训练过程运行。[1]
对于考虑采用的团队，已发布的示例为复现提供了一个起点。其基准性能提升需要结合实验中使用的模型、任务环境和训练配置来评估。
来源：
[1] 微软研究院，2026 年 10 月 7 日：https://www.microsoft.com/en-us/research/blog/agent-lightning-v1-0-a-3500-line-lightweight-agentic-rl-framework-for-training-agents-with-real-harnesses/
[2] 研究论文，最初于 2026 年 8 月 18 日提交：https://arxiv.org/abs/2608.17528