微软与Hugging Face开源ThinkingBox训练栈

微软与 Hugging Face 联合发布并开源 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 1/0 可执行校验直接当作强化学习奖励，用于训练 ThinkingBox-Bench 之外的任务。 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；使用者需提供与公开基准不相交的授权训练来源。已验证的参考配置为 3 节点 × 8 张 H100 GPU，更小的自定义配置取决于模型规模、上下文长度和 rollout 并发度。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。