热点事件持续更新
ThinkingBox用数据库终态奖励微调智能体
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，Microsoft与Hugging Face联合发布ThinkingBox-Training开源数据库，通过数据库终态检查为Qwen3.8-27B训练生成强化学习奖励。经过50步GRPO微调后，该模型20次尝试全部通过的任务数由38个增至107个，pass@1由51.70%升至60.78%；但pass@20由89.35%降至87.97%。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 06:24
Qwen3.8-27B的20/20全通过任务由38个增至107个。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ThinkingBox-Training 开源数据库终态 RL 奖励流程，Qwen3.8-27B 的 20/20 任务数从 38 增至 107
ThinkingBox-Training 用数据库终态检查生成 RL 奖励，让 Qwen3.8-27B 的 20 次全通过任务从 38 个增至 107 个。这项由 Microsoft 与 Hugging Face 联合发布的工作经过 50 步 GRPO 微调，pass@1 从 51.70% 升至 60.78%，但 pass@20 从 89.35% 降至 87.97%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月23日 07:00）·近 24 小时可比范围变化 –
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。