Hugging Face Blog·· 6 天前AI 评分49
ThinkingBox：把数据库状态评分转为强化学习奖励训练智能体
Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox
AI 导读
ThinkingBox 团队把比较最终数据库状态与预期结果的评测信号用作训练奖励，并开源 ThinkingBox-Training，在 Qwen3.8-27B 上提升了平均任务成功率。
来源：Hugging Face Blog · huggingface.co