ThinkingBox-Training 开源：将数据库校验结果转为智能体强化学习奖励

Microsoft 与 Hugging Face 发布 ThinkingBox-Training，用数据库终态的可执行检查结果作为智能体后训练的奖励。使用 50 个 GRPO 步骤微调 Qwen3.8-27B 后，平均成功率从 51.70% 升至 60.78%，20 次尝试均成功的任务从 38 个增至 107 个；至少成功一次的任务则从 453 个降至 446 个。