Agent Lightning v1.0: ハーンネスド・アジェンティック RL の実現

記事の3ポイント

1. 1

   ハルネス型強化学習の定義とアーキテクチャ

   従来のアプローチとは異なり、学習エンジンではなくデプロイ時のハルネスが環境相互作用ループを管理し、トレーナーは LLM のリクエスト・レスポンスシーケンスのみを観察する「harnessed agentic RL」のパラダイムを確立した。

2. 2

   軽量フレームワークの公開と実装

   約 3,500 行のコードで構成される軽量フレームワーク「Agent Lightning v1.0」が公開され、任意のエージェントハルネスをサポートする実用的なテストベッドとして機能する。

3. 3

   学習効率と性能向上の実証

   わずか 6,000 件のトレーニング例と限られた計算リソースを用いて、Qwen3.5-9B の SWE-bench Verified におけるスコアを 41.8% から 56.4%（絶対値で 14.6 ポイント向上）へと引き上げる成果を得た。