Microsoft 与 Hugging Face 用 ThinkingBox 把数据库评分变成 RL 奖励训练 Agent
中文摘要
Microsoft与Hugging Face发布ThinkingBox-Training,利用数据库检查作为RL奖励训练智能体,代码已开源。
English Summary
Microsoft and Hugging Face released ThinkingBox-Training, using database checks as RL rewards for agents. Code is open-source.
Original Excerpt
Microsoft 与 Hugging Face 发布 ThinkingBox-Training,将智能体任务终态数据库的可执行检查用作 RL 奖励,代码已在 GitHub 开源。