微软与Hugging Face发布ThinkingBox训练框架，数据库Agent成功率提升

微软与Hugging Face联合发布ThinkingBox-Training训练框架，将数据库终端的可执行检查结果转化为强化学习奖励信号，对Qwen3.8-27B进行50步GRPO训练后，平均成功率从51.70%升至60.78%，20次全部通过的任务从38个增至107个。该框架已在GitHub开源，训练池通过离线通过率筛选获得187个任务，不包含ThinkingBox-Bench基准任务，且训练与评估需对模型输出作相同解释。

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。