微软开源 ThinkingBox 智能体训练栈
热点事件观察中
微软开源 ThinkingBox 智能体训练栈
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
微软与 Hugging Face 在 GitHub 开源 ThinkingBox-Training 训练栈，其中包含数据筛选、rollout、奖励和 Verl 集成；它把对数据库最终状态的检查转成强化学习奖励，用于智能体后训练。据该发布说明，Qwen3.8-27B 经 50 步 GRPO 后训练后，pass@1 从 51.70% 升至 60.78%，20 次全部正确的任务数从 38 个增至 107 个。 使用该训练栈需要 NVIDIA GPU 和兼容的 CUDA/NCCL、本地 Qwen3.8-27B 检查点，以及供模拟用户与评审使用的 OpenAI 兼容端点；验证过的参考配置为 3 节点、每节点 8 张 H100。公开的示例任务列表仅用于演示接口，并非上述结果所用的 187 条私有训练任务池，训练数据需自行提供与公开基准不重叠的授权来源。
AI 根据报道生成 · 1 天前更新
最新进展10月23日 06:24
微软与 Hugging Face 用 ThinkingBox 将数据库评分转为 RL 奖励，用于智能体后训练报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Hugging Face Blog微软与 Hugging Face 用 ThinkingBox 将数据库评分转为 RL 奖励，用于智能体后训练
微软与 Hugging Face 用 ThinkingBox 将数据库最终状态检查转为 RL 奖励，后训练 Qwen3.8-27B。50 步 GRPO 后 pass@1 从 51.70% 升至 60.78%，20 次全对任务从 38 增至 107。ThinkingBox-Training 已上线 GitHub。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1010月23日 07:00
- 近 24 小时变化
- -50%
02.557.510
12:0018:0010月24日06:00
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。