Hugging Face Blog·· 5 小时前精选AI 评分63
将数据库评分转为 RL 奖励：ThinkingBox-Training 开源智能体后训练流程
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对终端数据库状态的可执行检查直接作为智能体后训练的奖励，并在 GitHub 开源。
推荐理由
微软与 Hugging Face 用可执行数据库终态作为 RL 奖励，公开了筛选训练任务与增益分布的完整证据。
来源：Hugging Face Blog · huggingface.co