Orchard – مائیکروسافٹ ریسرچ کا اوپن سورس Agentic AI ماڈلنگ فریم ورک آپریشن میں

Orchard مائیکروسافٹ ریسرچ کا پیش کردہ اوپن سورس Agentic AI ماڈلنگ فریم ورک ہے۔ اس کا مرکز Kubernetes پر مبنی Orchard Env ماحول سروس ہے، جو ڈیٹا ڈسٹلیشن، reinforcement learning rollout اور جائزے کے لیے مختلف شعبوں میں سینڈ باکسز کے دوبارہ استعمال کی حمایت کرتی ہے۔ یہ فریم ورک سافٹ ویئر انجینئرنگ، براؤزر نیویگیشن اور ذاتی معاونت کے تین بڑے منظرناموں کا احاطہ کرتا ہے اور تربیتی ڈیٹا و جائزے کے طریقے بھی اوپن سورس کرتا ہے۔

متعدد شعبوں کے لیے متحدہ ماحول سروس: Orchard Env سینڈ باکس لائف سائیکل مینجمنٹ، کمانڈ پر عمل درآمد، فائل I/O، نیٹ ورک پالیسی اور REST API فراہم کرتا ہے۔ ایک ہی بنیادی ڈھانچہ کوڈ، ویب، ڈیسک ٹاپ، موبائل اور پیداواری ورک فلو کو سہارا دے سکتا ہے۔
تین شعبوں کے تربیتی فارمولے: Orchard-SWE کوڈ کی مرمت پر توجہ دیتا ہے، Orchard-GUI بصری ویب نیویگیشن سنبھالتا ہے، جبکہ Orchard-Claw ای میل اور کیلنڈر جیسے روزمرہ پیداواری کاموں کے لیے ہے۔ تینوں مکمل SFT + RL تربیتی پائپ لائن فراہم کرتے ہیں۔
حقیقی Harness میں تربیت: Codex، OpenClaw، ZeroClaw جیسے حقیقی deployed harness میں براہِ راست end-to-end تربیت اور جائزہ مکمل کیا جا سکتا ہے، جس سے تربیتی اور deployed ماحول کے درمیان عدم مطابقت ختم ہوتی ہے۔
اوپن سورس ڈیٹاسیٹس اور جائزے کا پروٹوکول: 107K SWE ٹریجز اور 3,070 GUI ملٹی موڈل rollout ڈیٹا کے ساتھ متعلقہ جائزہ معیار اور قابلِ اعادہ فارمولے فراہم کیے گئے ہیں۔

WeChat پر فالو کریں اور “اوپن سورس” کا جواب دے کر AI اوپن سورس پروجیکٹس کے گروپ میں شامل ہوں
Kubernetes-native ماحول کی تہہ: Orchard Env ایک آزاد سروس کے طور پر چلتا ہے اور کنٹینر آرکیسٹریشن کے ذریعے ہزاروں isolated سینڈ باکسز کو متوازی طور پر بناتا اور ختم کرتا ہے۔ کمانڈ پر عمل درآمد کی اوسط تاخیر صرف 0.28 سیکنڈ ہے، جبکہ خودکار scaling اور Redis distributed lock کی حمایت بھی موجود ہے۔
Credit-Assignment SFT: سافٹ ویئر انجینئرنگ کے شعبے میں نظام ناکام ٹریجز کے کچھ حصوں کو ضائع نہیں کرتا، بلکہ مؤثر حصوں سے supervisory signals اخذ کرتا ہے تاکہ قابلِ استعمال تربیتی ڈیٹا کو زیادہ سے زیادہ کیا جا سکے۔
Balanced Adaptive Rollout + کثیف انعام: RL کے sparse feedback کے مسئلے کے لیے متوازن adaptive rollout کے ذریعے نایاب کامیابی کے signals حاصل کیے جاتے ہیں۔ اس کے علاوہ on-policy distillation اور rules-based process reward model شامل کیے جاتے ہیں تاکہ درمیانی مراحل کے لیے کثیف رہنمائی فراہم ہو۔
Value Model کی دوبارہ درجہ بندی: 20 سابقہ تجربات کے rollout ٹریجز سے 4B parameters کا value model تربیت دیا جاتا ہے۔ inference مرحلے میں متعدد امیدوار حلوں کو اسکور کر کے بہترین حل منتخب کیا جاتا ہے، جس سے Orchard-SWE کی کارکردگی 69.7% سے بڑھ کر 73.0% ہو جاتی ہے۔
Harness-Agnostic ایجنٹ ریکارڈنگ: ہلکا پھلکا ایجنٹ ریکارڈنگ harness خود harness کی model calls ریکارڈ کر کے انہیں تربیتی نمونوں میں تبدیل کرتا ہے، جس سے کسی بھی RL codebase کو کسی بھی harness سے جوڑا جا سکتا ہے اور environment image میں ترمیم کی ضرورت نہیں رہتی۔

SDK انسٹال کریں: Python SDK انسٹال کرنے کے لیے pip install -e "orchard_env[dev]" چلائیں، پھر SANDBOX_BASE_URL اور SANDBOX_API_KEY ماحول کے متغیرات ترتیب دیں۔
سینڈ باکس کو فوری طور پر کال کریں: SandboxClient context manager استعمال کر کے سینڈ باکس بنائیں اور کمانڈ چلائیں۔ synchronous اور asynchronous modes، فائل پڑھنے اور لکھنے، git patch کے اطلاق اور PTY سیشنز کی حمایت موجود ہے۔
آرکیسٹریٹر deploy کریں: Azure AKS کے فراہم کردہ چار اسکرپٹس (provision، build، deploy، smoke-test) کے ذریعے تقریباً 20 منٹ میں multi-replica آرکیسٹریٹر deploy کیا جا سکتا ہے۔ غیر Azure کلسٹرز بھی معاون ہیں۔
تربیتی فارمولے چلائیں: GitHub repository کی trainer/slime/ ڈائریکٹری کی ہدایات پر عمل کرتے ہوئے Orchard Env پر Orchard-SWE، Orchard-GUI یا Orchard-Claw کا مکمل SFT + RL تربیتی عمل چلائیں۔

چھوٹا ماڈل بڑے ماڈل کی کارکردگی کے قریب: Orchard-SWE تقریباً 3B فعال parameters کے ساتھ SWE-bench Verified پر 73.0% حاصل کرتا ہے، جو اس سے 10 گنا سے زیادہ parameters رکھنے والے جدید ترین systems کے قریب ہے۔ Orchard-GUI 4B parameters کے ساتھ تین بڑے ویب benchmarks پر اوسطاً 68.4% حاصل کرتا ہے، جو OpenAI CUA اور Gemini CUA کے برابر ہے۔
لاگت میں نمایاں کمی: E2B اور Daytona جیسی hosted sandbox services کے مقابلے میں Orchard Env کی on-demand لاگت تقریباً 0.47 گنا ہے، جبکہ Spot instance کی لاگت صرف 0.10 گنا، یعنی تقریباً 10 گنا فرق ہے۔
مختلف Harness میں مضبوط عمومی کارکردگی: ایک ہی environment layer ReACT، ZeroClaw، OpenClaw اور Codex جیسے متعدد harness کو support کرتی ہے۔ ZeroClaw میں Orchard-Claw کا pass@3 59.6% سے بڑھ کر 73.9% ہو جاتا ہے۔
تربیتی ڈیٹا کا مؤثر استعمال: Orchard-GUI صرف 400 distilled demonstrations اور 2,200 open tasks استعمال کر کے اوپن سورس کے مضبوط ترین ویب Agent کی سطح تک پہنچتا ہے، جس سے ثابت ہوتا ہے کہ درست ماحول کے ساتھ کم ڈیٹا میں بھی اعلیٰ صلاحیت رکھنے والے ماڈلز تربیت دیے جا سکتے ہیں۔

پروجیکٹ کی آفیشل ویب سائٹ：https://www.microsoft.com/en-us/research/blog/orchard-an-open-framework-for-scalable-agentic-ai/
GitHub repository：https://github.com/microsoft/Orchard
HuggingFace model repository：https://huggingface.co/datasets/microsoft/Orchard
arXiv تکنیکی مقالہ：https://arxiv.org/pdf/2605.15040

خودکار سافٹ ویئر انجینئرنگ: حقیقی codebases میں خودکار طور پر bugs کی تشخیص، tests کی تحریر، patches کی تیاری اور verification مکمل کی جاتی ہے۔ یہ اوپن سورس پروجیکٹس کی دیکھ بھال اور اداروں کے اندر code review کے لیے موزوں ہے۔
ذہین ویب نیویگیشن: بصری فہم کی بنیاد پر browser کو خودکار طور پر چلا کر ٹکٹ بکنگ، خریداری اور معلومات کی تلاش جیسے open-domain کام مکمل کیے جاتے ہیں۔ اسے RPA کے متبادل کے طور پر استعمال کیا جا سکتا ہے۔
ذاتی پیداواری معاون: ای میل، کیلنڈر اور دستاویزات جیسے متعدد ٹولز میں پیچیدہ workflows انجام دیتا ہے، مثلاً meetings خودکار طور پر ترتیب دینا، inbox منظم کرنا اور رپورٹس تیار کرنا۔
Agent تحقیق کا بنیادی ڈھانچہ: علمی اور صنعتی تحقیقی ٹیموں کو قابلِ اعادہ اور کم لاگت Agent تربیت و جائزے کا پلیٹ فارم فراہم کرتا ہے اور اوپن سورس Agentic AI ecosystem کی ترقی تیز کرتا ہے۔
مختلف شعبوں میں Agent صلاحیتوں کی منتقلی: متحدہ environment layer کے ذریعے code، web اور desktop operations کے درمیان skills transfer اور cumulative learning کا جائزہ لیا جاتا ہے۔