微软提出 Harnessed Agentic RL，消除训练部署鸿沟
SergioPaniego · x · 2026-08-20
微软研究院发布了 Agent Lightning v1.0 框架及相关论文，提出“Harnessed Agentic RL”（受控智能体强化学习）范式。该方法主张直接在 Agent 部署时的真实 Harness（管理工具和上下文的框架）中进行强化学习训练，而非在重新模拟的环境中训练，从而缩小训练与实际使用之间的差距。论文详细阐述了这一新范式带来的挑战，包括重分词、样本合并、优势计算、损失归一化及后端调度等问题，并给出了相应的解决方案。
所属事件:微软 Agent Lightning v1.0 发布，SWE-bench 提至 56.4%(3 条相关)→
「编程与Agent」频道最新
- 四步让 Claude 做出有风格的视频：还能自查出肉眼难见的瑕疵 — aakashgupta · 2026-10-16
- Datadog 发布自研模型 Scout 1.0：RL 训练的生产事故调查智能体 — HanchungLee · 2026-10-16
- 微软论文：给路由器看会话历史，多轮 Agent 任务成功率多提 3.3 分 — dair_ai · 2026-10-16
- 开源 ORA 机器人 agent:DeepSeek V4.1-Flash 驱动机械臂,零样本对标闭源 — JunGao33210520 · 2026-10-16
- 非开发者30天做出平台格斗游戏，Hermes Agent成主力 — Teknium · 2026-10-16
- 2 人+5 智能体协作写码：英文描述需求即可自动实现 — nptacek · 2026-10-16