Hugging Face 开源 ThinkingBox，以数据库评分作为 Agent 的 RL 奖励

Hugging Face 开源 ThinkingBox，将数据库查询结果评分转化为强化学习奖励，用于 Agent 后训练。Agent 可通过与数据库交互，以查询结果正确性作为可验证奖励，从而减少对人工标注的依赖；文章还介绍了方法设计与训练实践细节。