Hugging Face Blog·· 11 天前精选AI 评分59
微软发布ThinkingBox-Training：基于ThinkingBox构建RL智能体训练框架
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
微软联合HuggingFace在ThinkingBox-Bench基础上推出thinkingbox-training开源仓库，展示如何将ThinkingBox中“数据库终态可执行检查”作为GRPO奖励信号，并用离线策略相对难度筛选任务池，在Qwen3.8-27B上完成50步RL微调。
推荐理由
文章展示了ThinkingBox-Training的实现细节和训练结果，帮助开发者理解如何将数据库可执行检查转化为RL奖励机制。
来源：Hugging Face Blog · huggingface.co