منصوبے کے بارے میں

ایجنٹ لائٹننگ مائیکروسافٹ کا ایک اوپن سورس فریم ورک ہے جو ری انفورسمنٹ لرننگ کے ذریعے AI ایجنٹس کو تربیت دینے کے لیے بنایا گیا ہے۔ اسے سادگی کے گرد ڈیزائن کیا گیا ہے، جس میں تقریباً 3,500 لائنیں کوڈ ہیں، اور یہ ایجنٹس کو ایک پراکسی کے ذریعے ماڈلز کے ساتھ تعامل کرنے کی اجازت دیتا ہے بغیر موجودہ ایجنٹ کوڈ میں تبدیلیوں کی ضرورت کے۔ فریم ورک ٹولز، سیاق و سباق، کنٹرول فلو، اور ماحول کو تربیتی لوپ میں برقرار رکھتا ہے۔ فن تعمیر تین ہلکے پھلکے اجزاء پر مشتمل ہے: ایک ٹرینر جو verl اور vLLM چلاتا ہے، ایک API گیٹ وے جو ماڈل کی درخواستوں کو پراکسی کرتا ہے اور تربیتی ڈیٹا حاصل کرتا ہے، اور ایک رول آؤٹ کنٹرولر جو ایجنٹس کو مقامی طور پر یا Kubernetes جابز کے طور پر چلاتا ہے۔ مقامی Kubernetes سپورٹ بیرونی سینڈ باکس خدمات کے بغیر ایجنٹس کو براہ راست جابز کے طور پر چلانے کے قابل بناتی ہے۔ اس پروجیکٹ میں کوڈنگ ایجنٹ کی تربیت کی مکمل مثال شامل ہے۔ 6,000 تربیتی نمونوں کا استعمال کرتے ہوئے، ایک اینڈ ٹو اینڈ Qwen3.5-9B ورک فلو SWE-bench Verified کارکردگی کو 41.8% سے بہتر کر کے 56.4% تک لے جاتا ہے، جو 14.6 فیصد پوائنٹس کا اضافہ ہے۔ جاری کردہ پائپ لائن میں ڈیٹا کی صفائی، ریوارڈ ہیکنگ کی روک تھام، اور تربیتی اسکرپٹس شامل ہیں۔ دستاویزات میں تنصیب، فوری آغاز، ٹرینر کنفیگریشن، API گیٹ وے کنفیگریشن، کنٹرولر کنفیگریشن، اور غیر ہم وقت تربیت کا احاطہ کیا گیا ہے۔ مثالوں میں Calc-X، GSM8K، ScienceWorld، Search-R1، LLM-in-Sandbox، اور ایک کوڈنگ ایجنٹ شامل ہے جسے ریپوزٹری ٹیسٹوں کے ساتھ تربیت دی گئی ہے۔ یہ پروجیکٹ MIT لائسنس کے تحت جاری کیا گیا ہے اور اس کا جائزہ Microsoft Responsible AI Standard کے مطابق کیا گیا ہے۔