热点事件持续更新

微软HF发布ThinkingBox-TrainingDB奖励

1 篇报道1 个报道来源3 小时前更新

先了解这件事

SI 综述

Microsoft 与 Hugging Face 联合发布 ThinkingBox-Training，将数据库终态的可执行检查转化为强化学习奖励，对 Qwen3.8-27B 进行 50 步 GRPO 微调后其在 ThinkingBox-Bench 平均成功率从 51.70% 提升至 60.78%。 20 次尝试全部正确的任务数从 38 增至 107。

SI 根据报道生成 · 2 小时前更新

最新进展10月23日 06:24

微软HF发布ThinkingBox-Training，Qwen3.8-27B微调后成功率升至60.78%。

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
ThinkingBox 利用数据库状态作为 RL 奖励后训练智能体
Microsoft 与 Hugging Face 联合发布 ThinkingBox-Training，将数据库终态的可执行检查转化为强化学习奖励。使用该方法对 Qwen3.8-27B 进行 50 步 GRPO 微调后，其在 ThinkingBox-Bench 上的平均成功率从 51.70% 提升至 60.78%，且 20 次尝试全部正确的任务数从 38 增至 107。

本事件热度走势

当前热度 9·可比范围峰值 10（10月23日 07:00）·近 24 小时可比范围变化 –

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。