微软与 Hugging Face 开源 ThinkingBox-Training 训练栈

微软与 Hugging Face 开源 ThinkingBox-Training，把 ThinkingBox 对数据库终态的确定性校验直接当作强化学习奖励，用于训练状态型业务 Agent。发布内容为训练 Qwen3.8-27B 所用的数据选择、rollout、奖励与 Verl 集成代码。 运行需 Linux 或 WSL、Python 3.12 与 uv，以及带兼容 CUDA/NCCL 的 NVIDIA GPU、本地 Qwen3.8-27B 检查点，还有供模拟用户和评判器使用的 OpenAI 兼容端点。已验证的参考配置为 3 节点×8 张 H100；更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只用于验证接口，并非报告所用训练中那套 187 个任务的私有训练集。

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。