热点事件观察中

微软与Hugging Face发布ThinkingBox-Training训练栈

1 篇报道1 个报道来源3 天前更新

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直接当作强化学习奖励，用于智能体后训练。据 Hugging Face 博客，训练 Qwen3.8-27B 所用的数据筛选、rollout、奖励与 Verl 集成已在 GitHub 的 microsoft/thinkingbox-training 仓库公开。运行该栈需要 NVIDIA GPU 及兼容的 CUDA/NCCL 环境、本地 Qwen3.8-27B 检查点，以及供模拟用户和评判方使用的 OpenAI 兼容端点；官方称已在 Linux 和 WSL 上以 Python 3.12 和 uv 测试。公开的示例任务列表只用于验证接口，并非报告所用那次训练使用的 187 项私有任务池。

AI 根据报道生成 · 3 天前更新

最新进展10月23日 06:24

微软与 Hugging Face 将数据库校验转为 RL 奖励，用 ThinkingBox 后训练智能体

报道时间线

沿着报道，了解事件的不同侧面。

10月23日

06:24
Hugging Face Blog精选
微软与 Hugging Face 将数据库校验转为 RL 奖励，用 ThinkingBox 后训练智能体
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的校验结果直接当作强化学习奖励，用于智能体后训练。

本事件热度走势

可比范围当前: 3
可比范围峰值: 1010月23日 07:00
近 24 小时变化: -51%

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。