微软联手Hugging Face开源强化学习训练栈
热点事件持续更新
微软联手Hugging Face开源强化学习训练栈
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，微软Copilot Studio团队与Hugging Face宣布在GitHub联合开源ThinkingBox-Training。该训练栈专为智能体强化学习后训练设计，核心功能是将数据库终态检查转化为可执行奖励信号。 发布的工具包包含完整的离线策略相对难度筛选、GRPO训练及评测脚本，旨在帮助开发者更高效地进行模型训练。官方明确该栈仅支持Linux环境，并严格依赖Python 3.12及Verl 0.9.0版本。 报道指出，当前公开的样本任务列表仅用于验证接口功能，并非报告运行中使用的私有187任务训练池。这意味着开源版在任务覆盖范围上与内部训练数据存在差异，用户需结合固定包锁进行环境配置。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 06:24
微软与 Hugging Face 开源 ThinkingBox-Training 训练栈报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Hugging Face Blog精选微软与 Hugging Face 开源 ThinkingBox-Training 训练栈
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月23日 07:00
- 近 24 小时变化
- –
02.557.510
07:0008:0009:00
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。