Hugging Face Blog·· 3 小时前AI 评分55
Microsoft 与 Hugging Face 开源 ThinkingBox Training，用数据库终态检查作 RL 奖励训练 Agent
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
Microsoft 与 Hugging Face 发布 ThinkingBox Training 开源仓库，把 Agent 任务结束后数据库终态的可执行检查转为 RL 奖励，对 ThinkingBox-Bench 之外的 187 个任务池训练 Qwen3.8-27B。
来源：Hugging Face Blog · huggingface.co