微软与Hugging Face发布ThinkingBox训练栈

微软与 Hugging Face 联合发布 ThinkingBox-Training 训练栈，把 ThinkingBox 对数据库终态的校验结果作为强化学习奖励来训练智能体，代码已在 GitHub 公开。 该栈在 Linux 和 WSL 上以 Python 3.12 与 uv 测试；运行需要 NVIDIA GPU 及兼容的 CUDA/NCCL、本地 Qwen3.8-27B 检查点，以及供模拟用户和裁判使用的 OpenAI 兼容端点。已验证的参考配置为 3 节点×8 张 H100 GPU，较小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仅用于验证接口，并非报告所用运行中的私有 187 项训练任务池。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。