Microsoft e Hugging Face hanno pubblicato su GitHub il codice ThinkingBox-Training. Lo hanno usato per perfezionare il modello Qwen3.8-27B con una ricompensa ricavata dai controlli sullo stato del database. Dopo 50 passaggi GRPO, il pass@1 del modello è salito dal 51,70% al 60,78% e il numero di attività risolte correttamente in tutti e 20 i tentativi è passato da 38 (7,5%) a 107 (21,1%). Il miglioramento è stato accompagnato da un lieve calo della copertura, cioè della quota di attività risolte almeno una volta.
Perché conta
Per le aziende che hanno bisogno di aggiornare i database in modo affidabile, il modello perfezionato ha una probabilità circa tre volte maggiore di completare correttamente un’attività ogni volta.
