Hugging Face Blog·· 2 小时前AI 评分58
微软与 Hugging Face 将数据库校验转为 RL 奖励，开源 ThinkingBox 训练栈
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
微软与 Hugging Face 开源 ThinkingBox-Training，把 ThinkingBox 对数据库终态的校验结果直接当作 RL 奖励，用于训练智能体。
来源：Hugging Face Blog · huggingface.co