# Qwen3.8-27B

ThinkingBox用RL提升Qwen3.8-27B任务成功率

ThinkingBox用RL提升Qwen3.8-27B任务成功率。团队将数据库状态检查转化为奖励函数，经50步GRPO微调后，模型平均成功率从51.70%提升至60.78%，有效解决代理人虚报完成问题。