Microsoft与Hugging Face开源ThinkingBox-Training
热点事件持续更新
Microsoft与Hugging Face开源ThinkingBox-Training
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Microsoft 与 Hugging Face 联合发布并开源了 ThinkingBox-Training，这是一种利用数据库终端状态检查作为强化学习（RL）奖励的训练栈。该方法通过比较 Agent 操作后的最终数据库状态与预期结果来评估其工作表现，并将这种可执行信号转化为训练奖励。 该代码库采用 MIT 许可证，基准数据采用 CDLA-Permissive-2.0 许可证。需要注意的是，公开提供的样本任务列表仅用于演示接口功能，并非报告中提到的用于实际训练的私有 187 个任务池。
AI 根据报道生成 · 4 小时前更新
最新进展10月23日 06:24
ThinkingBox-Training 开源：利用数据库状态作为 RL 奖励微调 Qwen3.8-27B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ThinkingBox-Training 开源：利用数据库状态作为 RL 奖励微调 Qwen3.8-27B
Microsoft 与 Hugging Face 联合发布 ThinkingBox-Training，开源了将数据库终端状态检查转化为强化学习奖励的训练栈。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月23日 08:00
- 近 24 小时变化
- –
02.557.510
08:0009:0010:0011:00
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。