热点事件持续更新
微软与Hugging Face发布ThinkingBox训练框架
1 篇报道1 个报道来源3 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联合发布ThinkingBox训练框架。该框架旨在将数据库可执行检查转化为强化学习（RL）奖励信号，以优化模型训练。其核心机制包括通过离线策略相对难度筛选训练任务，并利用GRPO算法进行微调。据Hugging Face Blog报道，应用该框架后，Qwen3.8-27B模型在507项基准测试中的表现显著提升：在20次尝试中全部成功的任务数量从38个增加至107个，平均成功率由51.70%提升至60.78%，重复成功率提升近三倍。
AI 根据报道生成 · 3 小时前更新
最新进展10月23日 06:24
微软与Hugging Face发布ThinkingBox框架，显著提升Qwen3.8-27B模型在数据库检查任务中的成功率。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发布ThinkingBox训练框架：将数据库检查转化为RL奖励
微软与Hugging Face发布ThinkingBox训练框架，将数据库可执行检查转化为RL奖励信号，使Qwen3.8-27B在重复成功率上提升近三倍。该框架通过离线策略相对难度筛选训练任务，利用GRPO算法进行微调，在507项基准测试中，模型在20次尝试中全部成功的任务数从38个增至107个，平均成功率从51.70%提升至60.78%。
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。