热点事件持续更新
微软联合Hugging Face开源ThinkingBox-Training
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月23日，微软联合Hugging Face开源智能体后训练套件ThinkingBox-Training。该套件将后端数据库最终状态的可执行校验转化为强化学习奖励函数，以提升智能体的可靠性。在技术实现上，项目通过离线策略相对难度筛选出能产生反差奖励的任务池，并使用GRPO算法对Qwen3.8-27B模型进行微调。微调后，该模型的平均成功率从51.70%提升至60.78%，在20次尝试中全部成功的任务数由38项增加至107项。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 06:24
微软联合Hugging Face开源ThinkingBox-Training，通过数据库终态校验强化学习提升智能体可靠性。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精选微软开源 ThinkingBox-Training：以数据库终态检验作为强化学习奖励提升智能体可靠性
微软联合 Hugging Face 开源智能体后训练套件 ThinkingBox-Training，将后端数据库最终状态的可执行校验转化为强化学习奖励函数。项目通过离线策略相对难度筛选出能产生反差奖励的任务池，使用 GRPO 算法微调 Qwen3.8-27B，使其平均成功率从 51.70% 提升至 60.78%，20 次尝试全部成功的任务数从 38 项增至 107 项。
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。