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 联合发布 ThinkingBox-Training 训练栈，把 ThinkingBox 对数据库终态的校验结果当作强化学习奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。 训练代码已在 GitHub 的 microsoft/thinkingbox-training 仓库公开，包含数据筛选、rollout、奖励和 Verl 集成。运行环境为 Linux 或 WSL、Python 3.12 与 uv，需要 NVIDIA GPU 及兼容的 CUDA/NCCL 栈、本地 Qwen3.8-27B 检查点，以及供模拟用户和评判使用的 OpenAI 兼容端点。 公开的示例任务列表只用于测试接口，并非报告所用运行的私有 187 任务训练池。
AI 根据报道生成 · 51 分钟前更新
最新进展10月23日 06:24
微软与 Hugging Face 用 ThinkingBox 数据库校验作 RL 奖励后训练 Agent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 用 ThinkingBox 数据库校验作 RL 奖励后训练 Agent
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的校验结果当作 RL 奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。
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。