প্রকল্প সম্পর্কে

এজেন্ট লাইটনিং হল মাইক্রোসফটের একটি ওপেন-সোর্স ফ্রেমওয়ার্ক যা রিইনফোর্সমেন্ট লার্নিংয়ের মাধ্যমে AI এজেন্টদের প্রশিক্ষণ দেয়। এটি সরলতার উপর ভিত্তি করে ডিজাইন করা হয়েছে, যেখানে প্রায় ৩,৫০০ লাইন কোড রয়েছে এবং এটি এজেন্টদের বিদ্যমান এজেন্ট কোডে কোনো পরিবর্তন না করেই একটি প্রক্সির মাধ্যমে মডেলের সাথে ইন্টারঅ্যাক্ট করতে দেয়। ফ্রেমওয়ার্কটি টুলস, কনটেক্সট, কন্ট্রোল ফ্লো এবং পরিবেশকে প্রশিক্ষণ লুপে রাখে। স্থাপত্য তিনটি হালকা ওজনের উপাদান নিয়ে গঠিত: একটি ট্রেইনার যা verl এবং vLLM চালায়, একটি API গেটওয়ে যা মডেল অনুরোধগুলি প্রক্সি করে এবং প্রশিক্ষণ ডেটা ক্যাপচার করে, এবং একটি রোলআউট কন্ট্রোলার যা এজেন্টদের স্থানীয়ভাবে বা কুবারনেটিস জব হিসাবে চালায়। নেটিভ কুবারনেটিস সমর্থন বাহ্যিক স্যান্ডবক্স পরিষেবা ছাড়াই সরাসরি জব হিসাবে এজেন্ট চালানো সক্ষম করে। প্রকল্পটিতে একটি সম্পূর্ণ কোডিং এজেন্ট প্রশিক্ষণ উদাহরণ অন্তর্ভুক্ত রয়েছে। ৬,০০০ প্রশিক্ষণ নমুনা ব্যবহার করে, একটি এন্ড-টু-এন্ড Qwen3.5-9B ওয়ার্কফ্লো SWE-bench ভেরিফাইড পারফরম্যান্স ৪১.৮% থেকে ৫৬.৪% এ উন্নীত করে, যা ১৪.৬ শতাংশ পয়েন্টের লাভ। প্রকাশিত পাইপলাইনে ডেটা ক্লিনিং, রিওয়ার্ড-হ্যাকিং প্রতিরোধ এবং প্রশিক্ষণ স্ক্রিপ্ট অন্তর্ভুক্ত রয়েছে। ডকুমেন্টেশন ইনস্টলেশন, দ্রুত শুরু, ট্রেইনার কনফিগারেশন, API গেটওয়ে কনফিগারেশন, কন্ট্রোলার কনফিগারেশন এবং অ্যাসিঙ্ক্রোনাস প্রশিক্ষণ কভার করে। উদাহরণগুলির মধ্যে Calc-X, GSM8K, ScienceWorld, Search-R1, LLM-in-Sandbox এবং রিপোজিটরি টেস্টের সাথে প্রশিক্ষিত একটি কোডিং এজেন্ট অন্তর্ভুক্ত রয়েছে। প্রকল্পটি MIT লাইসেন্সের অধীনে প্রকাশিত হয়েছে এবং মাইক্রোসফট রেসপনসিবল AI স্ট্যান্ডার্ডের বিরুদ্ধে মূল্যায়ন করা হয়েছে।