微软把「部署用的那套 harness」直接搬进强化学习：Agent Lightning v1.0 用约 3500 行把 9B 编码模型在 SWE-bench Verified 从 41.8% 拉到 56.4%
微软研究院亚洲（MSRA）10 月 7 日开源 Agent Lightning v1.0，核心是它提出的 Harnessed Agentic RL 训练范式：让部署时真正使用的那套 agent harness 直接参与强化学习，而不是像多数 agent RL 系统那样把智能体重写一遍塞进训练框架。官方把代价说得很直白——重写既昂贵，又意味着「训练的那个智能体」不是「部署的那个智能体」。
工程取舍写在规模上：整个框架约 3,500 行代码，智能体以标准 Kubernetes Job 的形式跑在自管集群、云上 K8s 或本地环境，官方明确「不依赖付费商业沙箱服务」。给出的效果数字是一条端到端编码智能体流水线——只用约 6,000 条基于开源数据集构造的训练样本，把 Qwen3.5-9B 在 SWE-bench Verified 上的 Pass@1 从 41.8% 提到 56.4%，即 +14.6 个百分点。
这条的意义在于把「训练环境与部署环境不一致」这个长期靠工程折衷绕开的问题，变成框架本身要解决的事：智能体的工具、上下文与决策都由外部 harness 管理，那 harness 就应当出现在训练回路里，而不是被替换成一个近似的模拟实现。
原文链接：微软研究院官方博客
核验记录
官方页直读 200 / 230,022 字节：JSON-LD datePublished 2026-10-07T16:00:00+00:00（另有 2026-10-07T09:00 一处）+ 列表页可见 October 7, 2026（页内所在时区的 10-07 = 北京时间 10-08 00:00，站点 date 取厂商自述日 10-07，时差在此写明）。3,500 行、Kubernetes 支持、SWE-bench Verified 41.8%→56.4%（+14.6pt）、约 6,000 样本四项数字逐句取自该页 At a glance 与正文。配图取该页 og:image，裸请求与带站内 Referer 双 200 / 703,539 字节 JPEG（1200×627，file -b 已验真）。开放权重与代码仓链接该页正文有提及，本机未逐个直读其仓库页。
← 上一篇AWS 开源 Strands Box：用语义策略把智能体关进本地沙箱，「它已经做过什么」也参与放行判定下一篇 →NVIDIA 说 Nemotron 3 Ultra 特化后两线夺金：IOI 2026 拿 535.4/600，IMO 30/42