微软与 Hugging Face 发布 ThinkingBox-Training
热点事件持续更新
微软与 Hugging Face 发布 ThinkingBox-Training
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Microsoft 与 Hugging Face 发布 ThinkingBox-Training，用数据库终态的可执行校验结果作为智能体后训练奖励；按其报告，Qwen3.8-27B 经 50 步 GRPO 微调后，平均成功率由 51.70% 升至 60.78%，每次尝试都成功的任务由 38 项增至 107 项。 流程需要兼容 CUDA/NCCL 的 NVIDIA GPU、本地 Qwen3.8-27B 检查点，以及用于模拟用户和评判器的 OpenAI 兼容接口。经验证的参考配置为 3 台服务器、共 24 张 H100 GPU；较小配置是否可用取决于模型大小、上下文长度和并发采样量。
AI 根据报道生成 · 5 小时前更新
最新进展10月23日 06:24
Microsoft 与 Hugging Face 发布 ThinkingBox-Training，用数据库状态信号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Microsoft 与 Hugging Face 发布 ThinkingBox-Training，用数据库状态信号训练智能体
Microsoft 与 Hugging Face 发布 ThinkingBox-Training，并将数据库终态的可执行校验结果用作智能体后训练奖励。使用该流程对 Qwen3.8-27B 进行 50 步 GRPO 微调后，平均成功率从 51.70% 升至 60.78%，每次尝试均成功的任务从 38 项增至 107 项。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月23日 07:00
- 近 24 小时变化
- –
02.557.510
07:0008:0009:0010:0011:00
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。