实时
微软与 Hugging Face 用数据库校验作奖励训练智能体
热点事件历史事件
微软与 Hugging Face 用数据库校验作奖励训练智能体
1 篇报道1 个报道来源27 天前更新
先了解这件事
AI 综述
微软与 Hugging Face 发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的确定性校验直接当作强化学习奖励,用 GRPO 对 Qwen3.8-27B 训练 50 步,并公开了数据筛选、rollout、奖励与 Verl 集成代码。 运行需 Linux 或 WSL、Python 3.12 与 uv,以及 NVIDIA GPU 和兼容的 CUDA/NCCL 栈、本地 Qwen3.8-27B 检查点,还有供模拟用户和评判使用的 OpenAI 兼容端点。公开样例任务列表只用于验证接口,并非报告所用 187 个任务的私有训练池。
AI 根据报道生成 · 更新于 26 天前
最新进展10月23日 06:24
微软与 Hugging Face 用 ThinkingBox 数据库校验作 RL 奖励训练智能体报道时间线
沿着报道,了解事件的不同侧面。
10月23日
- Hugging Face Blog精选微软与 Hugging Face 用 ThinkingBox 数据库校验作 RL 奖励训练智能体
微软与 Hugging Face 发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的确定性校验直接当作强化学习奖励,用 GRPO 对 Qwen3.8-27B 训练 50 步。