Hugging Face Blog·· 23 小时前精选AI 评分82
Microsoft 与 Hugging Face 开源 ThinkingBox-Training，用数据库终态奖励训练 Agent
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
Microsoft 与 Hugging Face 发布 ThinkingBox-Training，将智能体完成任务后的数据库终态检查转为 0/1 奖励，并用离线策略相对难度筛选训练任务。
推荐理由
文章公开了从终态数据库检查构造奖励、筛选训练任务并运行 GRPO 的完整流程，适合复现实验或迁移到有状态智能体训练。
来源：Hugging Face Blog · huggingface.co