مايكروسوفت تطلق إطار عمل برمجياً من 3500 سطر لتدريب وكلاء الذكاء الاصطناعي

أطلقت مايكروسوفت للأبحاث في آسيا نظام Agent Lightning v1.0، وهو إطار عمل مدمج يهدف إلى تبسيط عملية تدريب وكلاء الذكاء الاصطناعي. يستخدم النظام حوالي 3500 سطر برمجي فقط لتمكين التعلم المعزز (RL) دون إجبار المطورين على إعادة بناء بيئة عمل الوكيل بالكامل.

حل مشكلة التكامل

سابقاً، كان تدريب وكيل ذكاء اصطناعي باستخدام التعلم المعزز يتطلب غالباً إنشاء بيئة مخصصة داخل أداة التدريب. كانت هذه العملية مكلفة وبطيئة، وأدت أحياناً إلى اختلاف سلوك الوكيل عما سيكون عليه في مرحلة النشر الفعلية. يغير Agent Lightning هذا الواقع عبر وضع وسيط بين النموذج وأداة التحكم الأصلية للوكيل.

• الحفاظ على كود النشر الأصلي دون تغيير.
• استخدام مهام Kubernetes الأصلية للجدولة.
• تجنب الحاجة إلى خدمات الحماية التجارية المكلفة.

الأداء في العالم الحقيقي

في اختبار حديث، استخدم الباحثون هذا الإطار لتدريب نموذج Qwen3.5-9B على مهام برمجية. وبفضل استخدام حوالي 6000 عينة تدريب فقط، تحسنت نسبة نجاح الوكيل في معيار SWE-bench Verified من 41.8% إلى 56.4%. تعكس هذه الزيادة البالغة 14.6 نقطة مئوية أن مجموعات البيانات الصغيرة والفعالة يمكن أن تحقق نتائج كبيرة عندما يتوافق أسلوب التدريب مع كيفية عمل الوكيل.

آلية العمل

تخيل الأمر كإضافة نظام تتبع عالي السرعة إلى آلة تعمل بالفعل على خط إنتاج. يدير النظام حلقة التفاعل باستخدام المنطق الخاص بالوكيل، بينما يراقب إطار التدريب البيانات لتحسين قرارات النموذج مستقبلاً. ومن خلال تقنية Collocated Async RL، استطاع إطار العمل تسريع عملية التدريب بمرتين تقريباً مقارنة بالطرق التقليدية.

هل يمكن لهذا النهج في تدريب الوكلاء أن يجعل تطوير الذكاء الاصطناعي المتقدم متاحاً للفرق التي لا تمتلك ميزانيات حوسبة ضخمة؟

تجدر الإشارة إلى أن إطار العمل هذا يتطلب وجود أداة تحكم جاهزة للوكيل ليعمل بشكل صحيح. تركز الوثائق ومكاسب الأداء الحالية بشكل خاص على وكلاء البرمجة. ولا يلغي هذا الإطار الحاجة إلى تحضير البيانات بدقة ووضع إجراءات وقائية ضد التلاعب بالمكافآت، والتي تظل جزءاً أساسياً من أي خطة عمل للتعلم المعزز.