创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

ThinkingBox-Training开放强化学习训练代码

AI 总结

微软与Hugging Face报告称,ThinkingBox-Training现已登陆GitHub,可将最终数据库状态的可执行检查用作智能体强化学习奖励。在其实验中,Qwen3.8-27B经过50步GRPO训练后,pass@1从51.70%升至60.78%,20次尝试均正确完成的任务数从38个增至107个。不过,pass@20从89.35%降至87.97%,作者也指出部分共有要素限制了迁移结论。

深度见解

该项目开放了利用数据库终态奖励训练有状态智能体的实现,而混合的基准结果表明,可重复成功与广泛任务覆盖需要分别评估。

Back to Articles

Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox

Enterprise Article

Published October 22, 2026

Upvote 11

Tuhin Kundu tuhink

#Microsoft#Hugging Face#ThinkingBox-Training#ThinkingBox-Bench#Qwen3.8-27B#Microsoft Copilot Studio#Toloka

原文约 18 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。