微软与Hugging Face联合开源ThinkingBox-Training
热点事件持续更新
微软与Hugging Face联合开源ThinkingBox-Training
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月23日，微软与 Hugging Face 联合开源了用于智能体强化学习后训练的 ThinkingBox-Training 框架。该框架将智能体操作后的数据库终态可执行校验转化为强化学习的二元奖励信号。测试数据显示，在对 Qwen3.8-27B 模型开展 50 步 GRPO 微调后，其基准测试平均成功率从 51.70% 提升至 60.78%，连续 20 次测试均成功的稳定任务数从 38 项增加至 107 项。在开源规则与数据限制上，ThinkingBox 代码采用 MIT 协议开源，基准数据遵循 CDLA-Permissive-2.0 协议；公开的示例任务列表仅用于练习接口，报道中所用实验运行的 187 项私有训练任务池未公开。
AI 根据报道生成 · 16 小时前更新
最新进展10月23日 06:24
微软与 Hugging Face 开源 ThinkingBox-Training：以数据库终态检验作为奖励后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 开源 ThinkingBox-Training：以数据库终态检验作为奖励后训练智能体
微软与 Hugging Face 联合开源 ThinkingBox-Training 框架，将智能体操作后的数据库终态可执行校验转化为强化学习的二元奖励信号。在对 Qwen3.8-27B 模型进行 50 步 GRPO 微调后，基准测试平均成功率从 51.70% 提升至 60.78%，连续 20 次测试均成功的稳定任务数从 38 项增加至 107 项。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 1010月23日 07:00
- 近 24 小时变化
- –
02.557.510
09:0012:0015:0018:0021:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。