Microsoft ThinkingBox, ajanları gerçek veritabanı sonucuyla eğitiyor
Microsoft ve Hugging Face, ajanların görev sonunda veritabanında bıraktığı durumu yürütülebilir ödüle dönüştüren ThinkingBox eğitim yığınını yayımladı.
BİR BAKIŞTA
Haberin özeti
- ThinkingBox, son veritabanı durumunu yürütülebilir ödüle çeviriyor.
- Qwen3.8-27B’nin ortalama başarısı yüzde 51,70’ten yüzde 60,78’e çıktı.
- Tüm 20 denemede doğru tamamlanan görev sayısı 38’den 107’ye yükseldi.
- Eğitim kodu MIT lisansıyla yayımlandı.
Neler değişiyor?
Microsoft ve Hugging Face, 22 Ekim’de ThinkingBox-Training’i yayımladı. Sistem, bir ajanın “tamamlandı” demesine güvenmek yerine görev sonunda veritabanında oluşan gerçek kayıtları yürütülebilir kontrollerle değerlendiriyor. Bu ikili sonuç, ThinkingBox-Bench dışındaki görevlerde pekiştirmeli öğrenme ödülü olarak kullanılıyor.
Ekip, Qwen3.8-27B modelini seçilen 187 görevde GRPO ile 50 adım eğitti. Sağlayıcıların ölçümüne göre 507 görev ve görev başına 20 denemelik testte ortalama başarı yüzde 51,70’ten yüzde 60,78’e çıktı; tüm 20 denemede doğru tamamlanan görev sayısı 38’den 107’ye yükseldi.
Buna karşılık en az bir kez çözülen görev sayısı 453’ten 446’ya düştü. Sonuç, modelin daha geniş değil daha tekrarlanabilir hale geldiğini gösteriyor. Eğitim kodu MIT lisansıyla açıldı; doğrulanmış kurulum 24 H100 GPU kullanıyor ve özel 187 görevlik eğitim havuzu paylaşılmıyor.
Asıl kaynaklara göz at
Kaynak tarihi: 23 Ekim 2026.
AI Radar yayın saati: 23 Eki 2026 06:01 (Türkiye).
KONUYU TAKİP ET
Konular ve etiketler
Keşfini paylaş.
Bu haberi bir arkadaşına gönder.
Okuyucu yorumları
Bu gelişme hakkında ne düşünüyorsun? Deneyimini veya sorunu paylaş. Yorumlar editör onayından sonra yayımlanır.
Adın/takma adın ve yorumun onaylanırsa herkese açık görünür. Veri işleme hakkında: Gizlilik bilgilendirmesi.
Yorumlar yükleniyor…