微软与Hugging Face发布ThinkingBox智能体RL训练方法

2026年10月23日，Hugging Face官方博客（一手信源）报道，Microsoft与Hugging Face发布了名为ThinkingBox-Training的智能体强化学习训练方法。该方法的核心做法是：将ThinkingBox-Bench中可执行的数据库终态检查，用作基准之外任务的RL（强化学习）奖励信号，以此对智能体进行奖励后训练（post-training）。该方法的相关代码已在GitHub上开源发布。截至目前，这是本事件的首篇报道，暂无后续进展或不同信源的补充信息，也未发现报道之间的事实矛盾。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。