Hugging Face Blog·· 5 天前精选AI 评分61
微软与 Hugging Face 详解 ThinkingBox 如何将数据库判分转化为 RL 奖励并开源训练栈
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
微软与 Hugging Face 发布 ThinkingBox-Training 博客并开源代码，把对数据库终态的可执行检查用作 RL 奖励，在 ThinkingBox-Bench 之外的任务上训练 Qwen3.8-27B。
推荐理由
微软与 Hugging Face 联合复盘如何把数据库终态检查变成 RL 奖励，并公开完整训练栈，适合做有状态 Agent 后训练的参考。
来源：Hugging Face Blog · huggingface.co