微软 OpenForgeRL 让代理在任意环境端到端训练
Fighterdan · hf · 2026-07-25
微软研究团队提出 OpenForgeRL：一个开源框架，用于在任意环境里端到端训练 harness-native agents。
它解决什么问题
现代 AI agent 往往依赖 Claude Code、Codex、OpenClaw 这类复杂 inference harness 来完成多轮推理、工具调用和外部系统访问；但开放训练栈很难原生表达这种多进程、有状态的推理过程。OpenForgeRL 用两部分解决：
- 一个轻量级 proxy：拦截 harness 的模型调用，并把它们记录成训练数据，供标准 RL 栈（例如 veRL）使用。
- 一个 Kubernetes orchestrator：让每次 rollout 都在独立远程容器中运行，便于规模化训练。
论文里的结果
- OpenForgeClaw：在 ClawEval 上达到 31.7 pass^3 和 55.9 pass@3，在 QwenClawBench 上达到 33.7。
- OpenForgeGUI：在 OSWorld-Verified 上 37.7，Online-Mind2Web 上 63.0，WebVoyager 上 72.3。
- 作者称，这些结果在多数基准上优于同尺寸开源基线，GUI 场景里甚至能接近或超过大得多的模型。
额外发现
- 不同 harness 的学习难度差异很大。
- RL 会提升 agent 的可靠性、自检能力、工具覆盖率和多步计划完成率。
- 但错误恢复仍然是明显短板。
所属事件:微软开源OpenForgeRL实现端到端训练(4 条相关)→
「编程与Agent」频道最新
- 并行 scout agents 被认为能提升理解并降低延迟 — pvncher · 2026-07-26
- 有人只用 SQL 查询做出 3D《Doom》游戏 — thursdai_pod · 2026-07-26
- GDG Melbourne 分享 Google ADK 与 MCP 智能体应用 — kuanhoong · 2026-07-26
- AI 代码独立复审真能信吗，团队仍要人审和脚本兜底 — Few-Ad-1358 · 2026-07-26
- Google ADK 演讲展示托管 MCP 如何连接真实数据 — kuanhoong · 2026-07-26
- Google ADK 线下实战课教 55 人做 agent 评测和护栏 — kuanhoong · 2026-07-26