微软与Hugging Face开源ThinkingBox训练栈

微软与 Hugging Face 在 GitHub 开源 ThinkingBox-Training 训练栈，把 ThinkingBox 对数据库终态的校验结果直接当作强化学习奖励，用于训练智能体。该栈包含数据筛选、rollout、奖励和 Verl 集成，曾用于训练 Qwen3.8-27B。 使用条件方面，代码在 Linux 和 WSL 上以 Python 3.12 和 uv 测试；已验证的参考配置为 3 节点、每节点 8 块 H100 GPU，更小的自定义配置取决于模型规模、上下文长度和 rollout 并发量。公开的示例任务列表仅用于演示接口，并非报告所用运行中的私有 187 项任务训练池。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。