热点事件持续更新
微软与Hugging Face用数据库校验作RL奖励
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年10月23日，微软与Hugging Face在Hugging Face博客发布ThinkingBox-Training，将智能体任务的终态数据库可执行校验直接作为强化学习奖励，对智能体进行后训练。报道称，Qwen3.8-27B经50步GRPO训练后，ThinkingBox-Bench上pass@1由51.70%升至60.78%，20次全部通过的任务从38个增至107个，但pass@20少7个任务。目前进展即该训练方法与基准结果公布。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 06:24
微软与Hugging Face发布ThinkingBox-Training，以数据库校验作RL奖励训练智能体。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Hugging Face Blog精选微软与 Hugging Face 将数据库校验转为强化学习奖励，用 ThinkingBox 后训练智能体
微软与 Hugging Face 发布 ThinkingBox-Training，把智能体任务的终态数据库可执行校验直接当作强化学习奖励。Qwen3.8-27B 经 50 步 GRPO 训练后，ThinkingBox-Bench 上 pass@1 从 51.70% 升到 60.78%，20 次全部通过的任务从 38 个增至 107 个，pass@20 则少 7 个任务。
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。