Agent Lightning v1.0: 走向受约束的智能体强化学习

摘要

现代智能体运行在管理工具、上下文和控制流的智能体约束框架中。原始的Agent Lightning引入了通过LLM端点代理将任意智能体连接到RL训练的去聚合架构，这种范式被称为受约束的智能体RL。v1.0以约3500行代码实现该框架，支持任意智能体约束，提供可复现的编码智能体RL流程。仅用6K训练示例和适度算力，将Qwen3.5-9B在SWE-bench Verified上的性能从41.8%提升至56.4%，绝对增益14.6个百分点。