Orchard：拡張可能なエージェント型AIのためのオープンフレームワーク

マイクロソフト・リサーチは、スケーラブルでコスト効率の高いエージェント型AI研究のためのオープンソースフレームワーク「Orchard」を発表しました。中核となるのは「Orchard Env」で、Kubernetesベースの環境サービスであり、タスク領域を横断してエージェントをトレーニングおよび評価するための再利用可能な分離コンポーネントを提供します。このフレームワークは、ソフトウェアエンジニアリング、Webナビゲーション、パーソナルアシスタントのエージェントをサポートし、Codex、OpenClaw、ZeroClawなどの実際のデプロイ環境内で直接トレーニングできます。このプロジェクトでは、Orchard-SWE、Orchard-GUI、Orchard-Clawの3つのトレーニングレシピを導入しています。ソフトウェアエンジニアリングでは、Orchard-SWEはMiniMax-M2.5とQwen3.5-397Bから抽出された107,000の蒸留エージェントインタラクションを使用し、クレジット割り当ての教師付き微調整と強化学習により、約30億のアクティブパラメータのみを使用してSWE-bench Verifiedで69.7%（バリューモデルのリランキングにより73.0%）を達成しています。Webナビゲーションでは、Orchard-GUIは限られた教師データ（400のデモンストレーションと2,200のタスク）で40億パラメータの視覚言語モデルをトレーニングし、WebVoyager、Online-Mind2Web、DeepShopで平均68.4%を達成しています。パーソナルアシスタンスでは、Orchard-Clawは複数のハーネスにわたる200の合成タスクでトレーニングされ、Claw-Evalで59.6%（ZeroClawで73.9%）を達成しています。このフレームワークは、オープンなインフラストラクチャを提供することで研究コストを削減することを目指しており、著者らはデータ効率と累積エージェント学習を今後の方向性として強調しています。すべてのトレーニングデータと評価方法はコミュニティに公開されています。