微软与Hugging Face开源ThinkingBox训练栈

微软与 Hugging Face 开源 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 1/0 可执行校验直接当作强化学习奖励，用于训练数据库类 Agent，并报告了基于 Qwen3.8-27B 的 RL 微调实验结果。 该训练栈已在 GitHub 发布，在 Linux 和 WSL 上以 Python 3.12 和 uv 测试；运行需要 NVIDIA GPU 及兼容的 CUDA/NCCL 栈、本地 Qwen3.8-27B 检查点，以及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 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。 公开的示例任务列表仅用于验证接口，并非报告实验所用的私有 187 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。