微软与Hugging Face发布ThinkingBox训练栈

微软与 Hugging Face 联合发布 ThinkingBox-Training 训练栈，将数据库终态的可执行校验结果直接作为强化学习奖励，对 Qwen3.8-27B 进行 50 步 GRPO 后训练。 该栈已在 GitHub 公开，测试环境为 Linux 和 WSL、Python 3.12 与 uv；运行需要 NVIDIA GPU 及兼容的 CUDA/NCCL 栈、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。验证过的参考配置为 3 节点×8 张 H100 GPU，较小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仅用于验证接口，并非报告所用那次运行的私有 187 任务训练池。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。