热点事件持续更新
微软与 Hugging Face 发布 ThinkingBox 训练方法
1 篇报道1 个报道来源13 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 在 Hugging Face Blog 发布 ThinkingBox-Training 训练方法。该方法把 ThinkingBox 对数据库终态的校验结果直接作为强化学习奖励，对 Qwen3.8-27B 进行 50 步 GRPO 全参数微调。报道称，微调后 pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个。目前该报道为事件的最新进展，尚无后续报道。
AI 根据报道生成 · 3 小时前更新
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 把数据库校验转为 RL 奖励训练 Agent
微软与 Hugging Face 发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的校验结果直接当作 RL 奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调后，pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个。
本事件热度走势
当前热度 7·可比范围峰值 9（10月23日 09:00）·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。