ThinkingBox превращает проверку базы данных в награду для обучения агентов.
Microsoft и Hugging Face представили ThinkingBox Training: агента дообучают по проверке итогового состояния базы данных. В тесте Qwen3.8-27B выросла средняя успешность и число стабильно решаемых задач, что связывает оценку бизнес-сценариев с RL.