ThinkingBox训练栈开源并提升数据库任务成绩
热点事件持续更新
ThinkingBox训练栈开源并提升数据库任务成绩
2 篇报道2 个报道来源1 小时前更新
先了解这件事
AI 综述
微软与Hugging Face开源ThinkingBox-Training，将数据库终态的可执行检查转化为智能体强化学习奖励，并对Qwen3.8-27B进行50步GRPO微调。微软报告称，模型单次尝试通过率由51.70%升至60.78%，20次尝试全部通过的任务从38个增至107个。 公开样例仅用于测试接口，并非实验所用的187个私有任务；复现训练需NVIDIA GPU、兼容的CUDA/NCCL环境、本地模型检查点及兼容OpenAI接口的模拟用户和评判服务，已验证配置为3台各配备8张H100 GPU的节点，训练数据还需获授权并与公开基准隔离。
AI 根据报道生成 · 54 分钟前更新
最新进展10月23日 06:24
ThinkingBox 用数据库终态评分训练 Qwen3.8-27B 智能体并开源训练栈报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Hugging Face BlogThinkingBox 用数据库终态评分训练 Qwen3.8-27B 智能体并开源训练栈
Microsoft 与 Hugging Face 将数据库终态检查转化为智能体 RL 奖励，并开源 ThinkingBox-Training。经 50 步 GRPO 微调后，Qwen3.8-27B 的 pass@1 从 51.70% 升至 60.78%，20 次尝试全部通过的任务从 38 个增至 107 个。
- AGI HuntHugging 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。