热点事件观察中

微软与 Hugging Face 开源 ThinkingBox-Training 训练栈

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

微软与 Hugging Face 联合发布开源训练栈 ThinkingBox-Training，把模型对终端数据库状态的可执行检查当作强化学习奖励来训练模型。该栈在 Qwen3.8-27B 上用 GRPO 训练 50 步，Observed 命中数从 38 个提升到 107 个，pass@1 从 51.70% 提升到 60.78%。据 Hugging Face Blog 报道，这一方法的核心是把 ThinkingBox 中针对数据库状态的可执行检查转化为奖励信号，从而引导模型在涉及数据库的操作中更准确地观察和验证结果。微软与 Hugging Face 同步开源了该训练栈及配套教程，仓库地址为 microsoft/thinkingbox-training。

AI 根据报道生成 · 1 天前更新

最新进展10月23日 06:24

微软与 Hugging Face 开源 ThinkingBox-Training：把数据库检查转为 Agent 强化学习奖励

报道时间线

沿着报道，了解事件的不同侧面。

10月23日

06:24
Hugging Face Blog精选
微软与 Hugging Face 开源 ThinkingBox-Training：把数据库检查转为 Agent 强化学习奖励
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%。

本事件热度走势

可比范围当前: 4
可比范围峰值: 1010月23日 07:00
近 24 小时变化: -50%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。