微软与 Hugging Face 开源 ThinkingBox 训练栈

微软与 Hugging Face 在 GitHub 发布 ThinkingBox-Training，公开了训练 Qwen3.8-27B 所用的数据选择、rollout、奖励与 Verl 集成代码。其核心做法是把智能体工作结束后对数据库终态的可执行检查直接当作强化学习奖励，并在 ThinkingBox-Bench 之外的任务上微调 Qwen3.8-27B。 使用条件：已测试的环境为 Linux 与 WSL、Python 3.12 和 uv；经验证的参考配置为 3 节点 × 8 张 H100 GPU，更小的自定义配置取决于模型规模、上下文长度和 rollout 并发量。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采用的 187 条私有任务池。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。