agent-lightning

Agent Lightning est un framework open source de Microsoft pour entraîner des agents IA par apprentissage par renforcement. Il est conçu pour la simplicité, avec environ 3 500 lignes de code, et permet aux agents d'interagir avec les modèles via un proxy sans nécessiter de modifications du code d'agent existant. Le framework conserve les outils, le contexte, le flux de contrôle et les environnements dans la boucle d'entraînement. L'architecture se compose de trois composants légers : un Trainer qui exécute verl et vLLM, une API Gateway qui relaie les requêtes de modèle et capture les données d'entraînement, et un Rollout Controller qui exécute les agents localement ou sous forme de Kubernetes Jobs. Le support natif de Kubernetes permet d'exécuter les agents directement comme des jobs sans services sandbox externes. Le projet inclut un exemple complet d'entraînement d'agent de codage. En utilisant 6 000 échantillons d'entraînement, un workflow de bout en bout Qwen3.5-9B améliore les performances SWE-bench Verified de 41,8 % à 56,4 %, soit un gain de 14,6 points de pourcentage. Le pipeline publié comprend le nettoyage des données, la prévention du reward-hacking et les scripts d'entraînement. La documentation couvre l'installation, le démarrage rapide, la configuration du trainer, la configuration de la passerelle API, la configuration du contrôleur et l'entraînement asynchrone. Les exemples incluent Calc-X, GSM8K, ScienceWorld, Search-R1, LLM-in-Sandbox et un agent de codage entraîné avec des tests de dépôt. Le projet est publié sous licence MIT et a été évalué selon le standard Microsoft Responsible AI.