Orchard: إطار عمل مفتوح للذكاء الاصطناعي الوكيل القابل للتوسع

أصدرت مايكروسوفت ريسيرش إطار عمل مفتوح المصدر باسم Orchard للبحث في الذكاء الاصطناعي الوكيل (agentic AI) بشكل قابل للتوسع وفعال من حيث التكلفة. يتمثل جوهر هذا الإطار في Orchard Env، وهي خدمة بيئة قائمة على Kubernetes توفر مكونات معزولة قابلة لإعادة الاستخدام لتدريب وتقييم الوكلاء عبر مجالات المهام. يدعم الإطار وكلاء هندسة البرمجيات، وتصفح الويب، والمساعد الشخصي، ويمكنه تدريبهم مباشرة داخل بيئات النشر الفعلية مثل Codex و OpenClaw و ZeroClaw. يقدم المشروع ثلاث وصفات تدريبية: Orchard-SWE وOrchard-GUI وOrchard-Claw. بالنسبة لهندسة البرمجيات، يستخدم Orchard-SWE 107 آلاف من تفاعلات الوكلاء المقطرة من MiniMax-M2.5 وQwen3.5-397B، مع ضبط دقيق خاضع للإشراف لتوزيع الائتمان وتعلم التعزيز، محققًا نسبة 69.7% على SWE-bench Verified (73.0% مع إعادة الترتيب باستخدام نموذج القيمة) باستخدام حوالي 3 مليارات معلمة نشطة فقط. بالنسبة لتصفح الويب، يقوم Orchard-GUI بتدريب نموذج لغة-رؤية بحجم 4 مليارات معلمة مع إشراف محدود (400 عرض توضيحي و2200 مهمة)، محققًا متوسط 68.4% على WebVoyager وOnline-Mind2Web وDeepShop. بالنسبة للمساعدة الشخصية، يحقق Orchard-Claw، المُدرب على 200 مهمة اصطناعية عبر بيئات متعددة، نسبة 59.6% على Claw-Eval (73.9% مع ZeroClaw). يهدف الإطار إلى خفض تكاليف البحث من خلال توفير بنية تحتية مفتوحة، ويشير المؤلفون إلى كفاءة البيانات والتعلم التراكمي للوكلاء كاتجاهات مستقبلية. تم إصدار جميع بيانات التدريب وطرق التقييم للمجتمع.