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。
共 2 篇相关文章
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。
微软联合Hugging Face发布ThinkingBox基准,通过评估AI代理留下的后端状态而非回复文本进行分级。该基准涵盖507个工作流,测试显示近七成看似成功的任务实际存在数据错误。