微软与Hugging Face发布ThinkingBox训练栈
热点事件持续更新
微软与Hugging Face发布ThinkingBox训练栈
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 发布 ThinkingBox-Training 训练栈，并报告将 ThinkingBox 对数据库终态的可执行校验结果用作强化学习奖励，对 Qwen3.8-27B 做 50 步 GRPO 微调后，pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个。 训练栈已在 GitHub 的 microsoft/thinkingbox-training 仓库公开，包含数据筛选、rollout、奖励和 Verl 集成。公开的示例任务列表仅用于演示接口，并非上述结果所用的 187 个私有训练任务；使用者需提供与公开基准不重叠的授权训练数据源。验证过的参考配置为 3 节点、每节点 8 块 H100 GPU，更小的自定义配置取决于模型规模、上下文长度和 rollout 并发度。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 06:24
微软与 Hugging Face 用 ThinkingBox 数据库校验结果作为 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微软与 Hugging Face 用 ThinkingBox 数据库校验结果作为 RL 奖励训练智能体
微软与 Hugging Face 将 ThinkingBox 对数据库终态的可执行校验结果用作 RL 奖励，对 Qwen3.8-27B 做 50 步 GRPO 微调后，pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个。
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。