熱點事件持續更新
ThinkingBox-Training released
1 篇報導1 個報導來源3 小時前更新
先了解這件事
AI 綜述
導語：ThinkingBox-Training 透過將可執行的資料庫檢查轉為 RL 獎勵，對 Qwen3.8-27B 進行 50 步 GRPO 微調，成功率從 51.70% 提升至 60.78%，每次都成功的任務數從 38 增至 107。
AI 根據報導生成 · 2 小時前更新
最新進展10月23日 06:24
ThinkingBox-Training：用資料庫檢查做 RL 獎勵，提升代理人可靠性報導時間線
沿著報導，瞭解事件的不同面向。
10月23日
- Hugging Face Blog精選ThinkingBox-Training：用資料庫檢查做 RL 獎勵，提升代理人可靠性
導語：ThinkingBox-Training 透過將可執行的資料庫檢查轉為 RL 獎勵，對 Qwen3.8-27B 進行 50 步 GRPO 微調，成功率從 51.70% 提升至 60.78%，每次都成功的任務數從 38 增至 107。
本事件熱度趨勢
還沒有足夠的連續觀測資料，暫不繪製趨勢。