Agent Lightning v1.0：実運用ハーネスでエージェントを訓練する3,500行の軽量エージェント強化学習フレームワークAgent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses
匿名の公開いいねです。記事の保存・お気に入りではなく、Featured、Top 3、重要度、掲載順位には影響しません。仕組みとプライバシーAnonymous public likes are reactions, not saved articles or bookmarks. They do not affect Featured, Top 3, importance, or listing order.How it works and privacy
- Agent Lightning v1.0は約3,500行で、実運用のエージェントハーネスを強化学習へ直接接続する制御基盤を提供する。
- Kubernetes上で商用サンドボックスに頼らず学習でき、開発者の再実装負担を減らす。
Agent Lightning v1.0 provides a roughly 3,500-line control plane that trains agents through deployment harnesses, reducing reimplementation for agent developers.
本ページの本文と要約は AI による自動生成です。日本語版と英語版は言語ごとに独立して生成されるため、表現や詳しさが異なる場合があります。正確性は元記事 (microsoft.com) をご確認ください。The body and summaries are AI-generated independently for each language, so wording and detail may differ. Verify accuracy at the original source (microsoft.com).
要約と収集メタデータに基づく AI 解説。元記事全文の転載・翻訳ではありません。AI explainer based on the summaries and collected metadata, not a copy or translation of the full source article.
Agent Lightning v1.0は、実運用で使うエージェントハーネスを強化学習へ直接接続するフレームワークだ。訓練用フレームワーク内でエージェントを再実装する必要をなくし、開発者の負担を減らす制御基盤として提示されている。
実運用ハーネス
Microsoft Research Asiaが導入した「Harnessed Agentic RL」では、デプロイ時と同じエージェントハーネスが強化学習へ直接参加する。実運用向けのエージェントを訓練環境内に作り直すのではなく、同じハーネスを訓練にも用いることが中心的な考え方となる。
3,500行の基盤
Agent Lightning v1.0は、エージェント強化学習に必要な完全な制御基盤を約3,500行のコードで提供する。軽量であることを重視した設計で、実運用ハーネスと学習を結び付ける役割を担う。
Kubernetes対応
エージェントは標準的なKubernetesジョブとして動作する。実行環境には、自己管理クラスター、クラウドKubernetes、ローカルインフラを利用できる。有料の商用サンドボックスサービスには依存せず、Kubernetes上で学習を進められる構成とされている。
6,000サンプル
エンドツーエンドのコーディングエージェント用パイプラインでは、オープンソース化されたデータセットに基づく約6,000件の訓練サンプルを使用した。Qwen3.5-9BのSWE-bench VerifiedにおけるPass@1は41.8％から56.4％へ上昇し、14.6ポイントの改善が示されている。
Harnessed Agentic RL
Agent Lightning v1.0 is a lightweight agent reinforcement learning framework designed to train agents through the same harnesses used in deployment. This matters because developers do not need to reimplement an agent inside the training framework before applying reinforcement learning.
Microsoft Research Asia describes this approach as Harnessed Agentic RL. Under the paradigm, the deployment harness participates directly in reinforcement learning, connecting the agent’s operational setup with the training process.
Lightweight by design
Agent Lightning v1.0 provides a complete agent reinforcement learning control plane in roughly 3,500 lines of code. Its compact design is intended to reduce the amount of framework code required to connect deployed agent harnesses with reinforcement learning.
The control plane provides the connection needed to train agents through their deployment harnesses. The central distinction is that training does not require a separate reimplementation of the agent within the framework.
Native Kubernetes support
Agents run as standard Kubernetes jobs. These jobs can operate on self-managed clusters, cloud Kubernetes, or local infrastructure.
This deployment model does not depend on paid commercial sandbox services. Developers can therefore use the supported Kubernetes environments or local infrastructure for agent training while retaining the same harness-centered approach.
Data-efficient training recipe
The end-to-end coding agent pipeline reported for Agent Lightning used about 6,000 training samples based on an open sourced dataset. In the reported result, the pipeline raised Qwen3.5-9B from 41.8% to 56.4% Pass@1 on SWE-bench Verified.
That change represents a gain of 14.6 percentage points. Together, the reported pipeline and framework demonstrate the described model: a roughly 3,500-line control plane, direct participation by the deployment harness in reinforcement learning, and execution through standard Kubernetes jobs without reliance on paid commercial sandbox services.
ポコとTECHガイドPoko & TECH Guide
ポコと当サイトのTECHガイドが、記事の要約と収集した情報から読みどころを語るAI生成の対話です。Poko and TECH Dashboard's own TECH Guide discuss the article's highlights in an AI-generated conversation based on its summary and collected source details.
- ポコPoko41.8%から56.4%へ、14.6ポイント上がったんだね。これって大きい変化？It jumped from 41.8% to 56.4—a 14.6-point gain. Is that a big change?
- TECHガイドTECH GuideコーディングエージェントのPass@1で、それだけ伸びたと示されているよ。使った学習サンプルは約6,000件だね。The coding-agent pipeline showed that gain in Pass@1, using about 6,000 training samples.
- ポコPoko「エージェントハーネス」って何？ エージェントを包む箱みたいなもの？What’s an “agent harness”? Is it like a box around the agent?
- TECHガイドTECH Guideエージェントを実際に動かすための仕組み、くらいの意味だよ。今回は運用時と同じハーネスを強化学習へ直接つなぐんだ。It’s the setup used to run an agent. Here, the same deployment harness connects directly to reinforcement learning.
- ポコPokoぼくなら、コーディングエージェントを今の動かし方のまま学習につなげてみたいな。Kubernetesでもできる？I’d try training a coding agent without changing how it already runs. Can that work on Kubernetes?
- TECHガイドTECH Guide標準のKubernetesジョブとして、自己管理・クラウド・ローカルで動かせるよ。有料の商用サンドボックスにも依存しない設計だ。Yes. It runs as standard Kubernetes jobs on self-managed clusters, cloud Kubernetes, or local infrastructure, without relying on paid commercial sandbox services.
