Agent Lightning 论文:让模型在部署同一套 harness 中训练智能体 RL
bibryam · x · 2026-11-08
微软系研究者发布的 Agent Lightning 论文提出「Towards Harnessed Agentic RL」:让模型在训练时就使用与部署时完全相同的 agent harness,从而缩小训练与实际使用的差距。
论文覆盖的关键技术点包括:
- 样本(sample)组装方式
- 优势(advantage)计算
- 损失归一化(loss normalization)
- 调度(scheduling)策略
- 可复现的 coding-agent 训练脚本
配图对比了三种 GPU 调度模式:同步(Sync,所需 GPU 少但效率低)、异步(Async,效率高但需要更多 GPU)与同置异步(Collocted Async,用更少 GPU 达到高效率),展示了框架在 rollout 与参数更新之间的资源权衡设计。
「编程与Agent」频道最新
- 有人整理了 Claude Code 与 Codex 团队成员的 X 列表，跟人比跟资讯号更接近一手信息 — bibryam · 2026-11-08
- 开发者分享本地 Agent 权限控制方案：计划审批+分级授权五原则 — ASK-1T · 2026-11-08
- 用户抱怨 Claude 安全拦截过多：拒绝贴 key、碰数据库、建仓库 — TheNasky1 · 2026-11-08
- 一张目录树道破现实：后端工程师技能树顶端只剩提示词工程 — _jaydeepkarale · 2026-11-08
- 工程师亲测自建 AI 软件工厂:几周实践提炼出与 AI 协作心智模型 — bibryam · 2026-11-08
- Tess 作者开源微调秘方:用 Claude Code 会话训练自己的本地模型 — udmrzn · 2026-11-08