微软与 Hugging Face 发布 ThinkingBox 工作流，通过数据库检查训练智能体

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

微软与 Hugging Face 在 GitHub 上发布了 ThinkingBox-Training，这是一套将对最终数据库状态执行的检查转化为智能体后训练奖励的工作流。Hugging Face 报告称，在 ThinkingBox-Bench 之外的 187 项任务上进行 50 个 GRPO 步骤后，Qwen3.8-27B 的基准测试平均成功率从 51.70% 升至 60.78%。在 20 次尝试中全部通过的任务从 38 项增至 107 项，但至少成功一次的任务从 453 项降至 446 项。该发布包含任务选择、rollout、奖励和 Verl 集成代码。公开的示例任务列表用于测试接口；用于报告结果的 187 项私有训练任务集并未包含在内。运行此工作流需要配备兼容 CUDA/NCCL 软件栈的 NVIDIA GPU、本地 Qwen3.8-27B 检查点，以及用于模拟用户和评判器的 OpenAI 兼容端点。经过验证的参考配置使用三个节点，每个节点配备八块 H100 GPU。

AI 根据报道生成 · 2 小时前更新

最新进展10月23日 06:24

将数据库评分转化为 RL 奖励：使用 ThinkingBox 对智能体进行后训练 Hugging Face Blog

接下来读什么

今日还有哪些重要变化OlmoEarth v1.3 发布全球卫星嵌入数据和基于浏览器的地图探索工具

提到的模型

Qwen3.8 27 B每百万 Token 输入 $0.04 / 输出 $1.35

全部模型的 API 价格

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
将数据库评分转化为 RL 奖励：用 ThinkingBox 对智能体进行后训练
Microsoft 和 Hugging Face 在 GitHub 上发布了 ThinkingBox-Training，将对数据库最终状态的可执行检查转化为智能体后训练的奖励。在 ThinkingBox-Bench 之外的 187 项任务上进行 50 步 GRPO 训练后，Qwen3.8-27B 的基准测试平均成功率从 51.70% 升至 60.78%，20 次尝试中全部通过的任务从 38 项增至 107 项，而至少成功一次的任务从 453 项降至 446 项。该发布包含任务选择、rollout、奖励和 Verl 集成代码；报告中的训练运行所用私有训练池未包含在内。

模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。看一份往期日报

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。