IXThinker·2026-07-29 16:00

微軟發布OpenForge RL 端到端訓練智能體

智能體訓練長期受限於框架落差：主流強化學習框架默認本地部署，難以復用有狀態、多進程的原始harness，簡化版則造成訓練與部署不匹配。微軟團隊提出OpenForge RL，實現任意環境端到端訓練。

訓練難點

harness推理通常是有狀態、多進程的架構，而主流開放強化學習框架默認本地rollout，難以直接復用原始harness。若訓練階段改用簡化版本，交互流程便可能偏離部署環境，導致訓練與部署不匹配，影響模型實戰表現。