微软与 Hugging Face 开源 ThinkingBox-Training，用数据库终态检查作 RL 奖励
微软与 Hugging Face 开源 ThinkingBox-Training 训练栈，把智能体留下的数据库终态检查直接当作 RL 奖励，并公开数据筛选、rollout 与 Verl 集成流程。
推荐理由：公开的训练栈把数据库终态检查转成可执行奖励，读者可据此复用其任务筛选、奖励设计与一致性评估的完整流程。
内容类型
论文研究 最新动态
值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展。
2 条精选近 30 天 2 条共收录 5 条
更新
论文研究的精选
Hugging Face Blog精选AI 评分6262
Microsoft Research精选AI 评分8686 微软研究者借助人工引导的智能体流程证明 31 年未解的 KLS 猜想
微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，给出不随维度增长的固定常数界。此前 2026 年 7 月的最好结果仍允许该界随维度缓慢增大，新证明在 10 月 4 日版本中论证各阶段引入的误差累积后仍被通用常数约束。
推荐理由：证明过程展示了研究者如何用智能体并行探索上百条候选路径并逐轮人工筛选，可据此理解人机协作推进数学研究的具体方式。