微软与 Hugging Face 发布 ThinkingBox 训练栈
热点事件持续更新
微软与 Hugging Face 发布 ThinkingBox 训练栈
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
微软与 Hugging Face 发布 ThinkingBox-Training 训练栈，把 ThinkingBox 对数据库终态的校验结果直接当作强化学习奖励，用 GRPO 对 Qwen3.8-27B 训练 50 步。据其公布，ThinkingBox-Bench 上 pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个。 训练栈已在 GitHub 开源，包含数据筛选、rollout、奖励和 Verl 集成。运行需 Linux 或 WSL、Python 3.12 与 uv、兼容 CUDA/NCCL 的 NVIDIA GPU、本地 Qwen3.8-27B 检查点，以及供模拟用户和评判使用的 OpenAI 兼容端点。公开样例任务列表仅用于验证接口，并非上述结果所用的 187 个私有训练任务。
AI 根据报道生成 · 50 分钟前更新
最新进展10月23日 06:24
微软与 Hugging Face 用 ThinkingBox 数据库校验结果作 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 用 ThinkingBox 数据库校验结果作 RL 奖励训练智能体
微软与 Hugging Face 发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的校验结果直接当作强化学习奖励，用 GRPO 对 Qwen3.8-27B 训练 50 步后，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。
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。