微软与Hugging Face用数据库校验作RL奖励训练Agent

2026年10月23日，Hugging Face博客发布消息称，微软与Hugging Face开源了ThinkingBox-Training。该工作把ThinkingBox对数据库终态的确定性校验直接当作GRPO奖励，用于训练状态型Agent。报道未提及此前的相关进展或更早版本，也未披露训练规模、评测结果等细节。目前公开信息仅限开源发布与奖励机制说明。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。