أصدرت Microsoft وHugging Face شيفرة ThinkingBox‑Training على GitHub. واستخدمتا مكافأة مستمدة من عمليات التحقق من حالة قاعدة البيانات لضبط نموذج Qwen3.8‑27B. وبعد 50 خطوة من GRPO، ارتفعت نتيجة pass@1 للنموذج من 51.70% إلى 60.78%، كما ارتفع عدد المهام التي أجاب عنها إجابة صحيحة في المحاولات العشرين كلها من 38 (7.5%) إلى 107 (21.1%). وجاء هذا التحسن مقابل تراجع طفيف في نسبة المهام التي نجح النموذج في إنجازها مرة واحدة على الأقل.
لماذا يهم
بالنسبة إلى الشركات التي تحتاج إلى تحديثات موثوقة لقواعد البيانات، تزيد احتمالات إنجاز النموذج المضبوط للمهمة على نحو صحيح في كل مرة بنحو ثلاثة أضعاف.
