Microsoft 发布 ThinkingBox-Training 训练栈
热点事件持续更新
Microsoft 发布 ThinkingBox-Training 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
Microsoft 与 Hugging Face 发布 ThinkingBox-Training 训练栈，将数据库终态的可执行判定转为 RL 奖励，用于后训练智能体；训练栈已发布于 microsoft/thinkingbox-training。Microsoft 与 Hugging Face 称，用 50 步 GRPO 微调 Qwen3.8-27B 后，在 507 个 ThinkingBox-Bench 任务上平均成功率由 51.70% 升至 60.78%，20 次重复均通过的任务由 38 个增至 107 个。 使用训练栈需 Linux/WSL、Python 3.12 和 uv，并需 NVIDIA GPU 及兼容 CUDA/NCCL 栈、本地 Qwen3.8-27B checkpoint、用于模拟用户和评判的 OpenAI 兼容端点；公开样本任务列表用于测试接口，并非报道中使用的私有 187 任务训练池。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 06:24
将数据库评分转为 RL 奖励：用 ThinkingBox 后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将数据库评分转为 RL 奖励：用 ThinkingBox 后训练智能体
Microsoft 与 Hugging Face 将数据库终态的可执行判定转成 RL 奖励，用 50 步 GRPO 微调 Qwen3.8-27B，平均成功率由 51.70% 升至 60.78%。在 507 个 ThinkingBox-Bench 任务上，20 次重复均通过的任务由 38 个增至 107 个；训练栈已发布于 microsoft/thinkingbox-training。
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。