微软与 Hugging Face 联合发布 ThinkingBox-Training 训练栈，把智能体执行后数据库终态的可执行检查结果直接当作强化学习奖励，并用离线策略相对难度筛选训练任务。该训练栈已上线 GitHub，包含数据选择、rollout、奖励与 Verl 集成。
按发布方说明，运行需 Linux 或 WSL、Python 3.12 与 uv，以及 NVIDIA GPU 和兼容的 CUDA/NCCL 环境、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。公开的示例任务列表仅用于验证接口，并非报告所用运行中的私有 187 项训练任务池。
AI 根据报道生成 · 56 分钟前更新