Hugging Face Blog·· 1 天前精选AI 评分69
微软与 Hugging Face 开源 ThinkingBox-Training：把数据库检查转为 Agent 强化学习奖励
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
微软与 Hugging Face 联合发布 ThinkingBox-Training 训练栈，把 ThinkingBox 中针对终端数据库状态的可执行检查当作强化学习奖励，对 Qwen3.8-27B 用 GRPO 训练 50 步，Observed 20/20 从 38 个提升到 107 个、pass@1 从 51.70% 升到 60.78%。
推荐理由
微软与 Hugging Face 把数据库可执行检查变成强化学习奖励，并开源训练栈，方法可迁移到其它接触真实数据库的 Agent。
来源：Hugging Face Blog · huggingface.co