ThinkingBox以数据库执行结果训练AI代理
Microsoft与Hugging Face推出ThinkingBox-Training，将数据库最终状态的可执行校验结果用作代理训练奖励。团队称，Qwen3.8-27B经过50步GRPO训练后，平均任务成功率从51.70%升至60.78%。
事件进展（1 篇报道）
-
2026-10-23 06:24
Microsoft与Hugging Face推出ThinkingBox-Training，将数据库最终状态的可执行校验结果用作代理训练奖励。团队称，Qwen3.8-27B经过50步GRPO训练后，平均任务成功率从51.70%升至60.78%。