Microsoft Research 2026年10月8日微软亚洲研究院提出 Harnessed Agentic RL 训练范式并开源重建 Agent Lightning v1.0，让部署所用的同一 agent harness 通过 LLM 代理直接参与强化学习，框架约 3,500 行代码、以标准 Kubernetes 作业运行 agent，并在 SWE-smith、mini-SWE-agent 与 Qwen3.5-9B 的端到端编码 agent 流水线上，仅用约 6,000 条训练样本把 SWE-bench Verified 的 Pass@1 从 41.8% 提升到 56.4%，绝对增益 14.6 个百分点。微软亚洲研究院提出 Harnessed Agentic RL 训练范式并开源重建 Agent Lightning v1.0，让部署所用的同一 agent harness 通过 LLM 代理直接参与强化学习，框架约 3,500 行代码、以标准 Kubernetes 作业运行 agent，并在 SWE-smith、mini-SWE-agent 与 Qwen3.5-9B 的端到端编码 agent 流水线上，仅用约 6,000 条训练样本把 SWE-bench Verified 的 Pass@1 从 41.8% 提升到 56.4%，绝对增益 14.6 个百分点。微软亚洲研究院开源 Agent Lightning v1.0：约 3,500 行代码实现 Harnessed Agentic RL，Qwen3.5-9B 在 SWE-bench Verified 上从 41.8% 提升至 56.4%微软亚洲研究院提出 Harnessed Agentic RL 训练范式并开源重建 Agent Lightning v1.0，让部署所用的同一 agent harness 通过 LLM 代理直接参与强化学习，框架约 3,500 行代码、以标准 Kubernetes 作业运行 agent，并在 SWE-smith、mini-SWE-agent 与 Qwen3.5-9B 的端到端编码 agent 流水线上，仅用约 6,000 条训练样本把 SWE-bench Verified 的 Pass@1 从 41.8% 提升到 56.4%，绝对增益 14.6 个百分点。微软亚洲研究院提出 Harnessed Agentic RL 训练范式并开源重建 Agent Lightning v1.0，让部署所用的同一 agent harness 通过 LLM 代理直接参与强化学习，框架约 3,500 行代码、以标准 Kubernetes 作业运行 agent，并在 SWE-smith、mini-SWE-agent 与 Qwen3.5-9B 的端到端编码 agent 流水线上，仅用约 6,000 条训练样本把 SWE-bench Verified 的 Pass@1 从 41.8% 提升到 56.4%，绝对增益 14.6 个百分点。