Orchard：一个面向可扩展智能体人工智能的开放框架

微软研究院发布了Orchard，这是一个开源框架，用于可扩展且成本高效的智能体AI研究。其核心是Orchard Env，一种基于Kubernetes的环境服务，提供可复用的隔离组件，用于在多个任务领域训练和评估智能体。该框架支持软件工程、网页导航和个人助理智能体，并可直接在真实的部署框架（如Codex、OpenClaw和ZeroClaw）中训练它们。项目引入了三种训练方案：Orchard-SWE、Orchard-GUI和Orchard-Claw。对于软件工程，Orchard-SWE使用了来自MiniMax-M2.5和Qwen3.5-397B的107，000次蒸馏智能体交互，结合信用分配监督微调和强化学习，仅使用约30亿个激活参数，在SWE-bench Verified上达到了69.7%的准确率（通过价值模型重新排序后为73.0%）。对于网页导航，Orchard-GUI训练了一个40亿参数的视觉语言模型，使用有限的监督（400个演示和2，200个任务），在WebVoyager、Online-Mind2Web和DeepShop上平均达到68.4%的准确率。对于个人助理，Orchard-Claw在多个框架的200个合成任务上训练，在Claw-Eval上达到59.6%的准确率（使用ZeroClaw时为73.9%）。该框架旨在通过提供开放基础设施来降低研究成本，作者强调数据效率和累积智能体学习是未来方向。所有训练数据和评估方法均已向社区开放。