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，并公开一种后训练方法：把 ThinkingBox 对数据库终态的 1/0 可执行校验作为 GRPO 奖励，对 Qwen3.8-27B 做 50 步全参数微调。训练栈已在 GitHub 发布。 公开的示例任务列表只用于演示接口，并非报告所用运行的私有 187 任务训练池；使用方需提供与公开基准不重叠的授权训练数据。已验证的参考配置为 3 节点 × 8 块 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。

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。