Orchard: Yapay Zeka Ajanlarını Ölçeklendirmek İçin Açık Bir Çerçeve

Microsoft Research, ölçeklenebilir ve maliyet etkin ajan yapay zeka araştırmaları için açık kaynaklı bir çerçeve olan Orchard'ı yayınladı. Çerçevenin çekirdeğinde, görev alanları genelinde ajanları eğitmek ve değerlendirmek için yeniden kullanılabilir izole bileşenler sağlayan, Kubernetes tabanlı bir ortam hizmeti olan Orchard Env yer alıyor. Çerçeve, yazılım mühendisliği, web gezintisi ve kişisel asistan ajanlarını destekliyor ve bunları doğrudan Codex, OpenClaw ve ZeroClaw gibi gerçek dağıtım altyapılarının içinde eğitebiliyor. Proje üç eğitim reçetesi sunuyor: Orchard-SWE, Orchard-GUI ve Orchard-Claw. Yazılım mühendisliği için Orchard-SWE, MiniMax-M2.5 ve Qwen3.5-397B'den 107.000 damıtılmış ajan etkileşimi kullanıyor; kredi atamalı denetimli ince ayar ve pekiştirmeli öğrenme ile yalnızca yaklaşık 3 milyar aktif parametre kullanarak SWE-bench Verified'da %69,7'ye (değer modeli yeniden sıralamasıyla %73,0) ulaşıyor. Web gezintisi için Orchard-GUI, sınırlı denetimle (400 gösterim ve 2.200 görev) 4 milyar parametreli bir görsel dil modeli eğitiyor ve WebVoyager, Online-Mind2Web ve DeepShop'ta ortalama %68,4'e ulaşıyor. Kişisel asistanlık için, birden fazla altyapıda 200 sentetik görevle eğitilen Orchard-Claw, Claw-Eval'de %59,6 (ZeroClaw ile %73,9) elde ediyor. Çerçeve, açık altyapı sağlayarak araştırma maliyetlerini düşürmeyi hedefliyor ve yazarlar, gelecekteki yönler olarak veri verimliliği ve kümülatif ajan öğrenmesini vurguluyor. Tüm eğitim verileri ve değerlendirme yöntemleri toplulukla paylaşılıyor.