微软与 Hugging Face 开源 ThinkingBox 训练栈
热点事件持续更新
微软与 Hugging Face 开源 ThinkingBox 训练栈
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
微软与 Hugging Face 在 GitHub 开源 ThinkingBox-Training 训练栈，包含数据选择、rollout、奖励与 Verl 集成，用于训练 Qwen3.8-27B。其做法是把智能体任务终态数据库的可执行检查当作强化学习奖励。 该栈在 Linux 和 WSL 上以 Python 3.12 和 uv 测试，需要 NVIDIA GPU 及兼容的 CUDA/NCCL 环境、本地 Qwen3.8-27B 检查点，以及为模拟用户和评判者提供 OpenAI 兼容端点。已验证的参考配置为 3 节点、每节点 8 块 H100；更小的自定义配置取决于模型规模、上下文长度和 rollout 并发。 公开的示例任务列表只用于验证接口，并非报道所述训练运行所用的私有 187 项任务池。
AI 根据报道生成 · 45 分钟前更新
最新进展10月23日 06:24
Microsoft 与 Hugging Face 用 ThinkingBox 把数据库评分变成 RL 奖励训练 Agent报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- RadarAIMicrosoft 与 Hugging Face 用 ThinkingBox 把数据库评分变成 RL 奖励训练 Agent
Microsoft 与 Hugging Face 发布 ThinkingBox-Training，把智能体任务终态数据库的可执行检查当作 RL 奖励，代码已在 GitHub 开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。