微软与 Hugging Face 开源 ThinkingBox 训练栈
热点事件历史事件
微软与 Hugging Face 开源 ThinkingBox 训练栈
1 篇报道1 个报道来源8 天前更新
先了解这件事
AI 综述
微软与 Hugging Face 发布并开源 ThinkingBox-Training，公开了用于训练 Qwen3.8-27B 的数据筛选、rollout、奖励与 Verl 集成代码。其做法是把 ThinkingBox 对数据库终态的可执行校验直接当作强化学习奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。 运行该训练栈需要 Linux 或 WSL、Python 3.12 与 uv，以及带兼容 CUDA/NCCL 的 NVIDIA GPU、本地 Qwen3.8-27B 检查点，还有供模拟用户和评判使用的 OpenAI 兼容端点。已验证的参考配置为 3 节点 × 8 张 H100；更小的自定义配置取决于模型规模、上下文长度和 rollout 并发度。 公开的示例任务列表只用于验证接口，并非报告所用运行的私有 187 项训练任务池。
AI 根据报道生成 · 8 天前更新
最新进展10月23日 06:24
微软与 Hugging Face 用 ThinkingBox 把数据库校验转为 RL 奖励训练 Agent报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Hugging Face Blog微软与 Hugging Face 用 ThinkingBox 把数据库校验转为 RL 奖励训练 Agent
微软与 Hugging Face 发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的可执行校验当作 RL 奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 510月24日 08:00
- 近 24 小时变化
- –
0246
12:0018:0010月25日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。