Hugging Face Blog·· 3 小时前精选AI 评分77
微软与 Hugging Face 开源 ThinkingBox-Training 训练栈
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
微软 Copilot Studio 团队与 Hugging Face 联合开源 ThinkingBox-Training，提供将数据库终态检查改造为可执行奖励、用于智能体 RL 后训练的完整栈，包括离线策略相对难度筛选、GRPO 训练与评测脚本。
推荐理由
开源了完整训练栈和离线难度筛选方法，读者可复用于将数据库终态判定改造为智能体 RL 训练奖励。
来源：Hugging Face Blog · huggingface.co