RL 미세 조정으로 Qwen3.8‑27B의 ThinkingBox 반복 성공률 향상

오프라인 정책 기반 상대 학습을 50단계 진행한 뒤, 507개 과제가 담긴 ThinkingBox‑Bench에서 항상 정답을 낸 과제 수가 38개에서 107개로 늘었다.

짧은 소식작성: OossaOossa 게시일: 2026년 10월 22일 오후 10:39 UTC1 분 읽기

Microsoft와 Hugging Face가 ThinkingBox‑Training 코드를 GitHub에 공개했다. 두 회사는 데이터베이스 상태 확인에서 얻은 보상을 활용해 Qwen3.8‑27B 모델을 미세 조정했다. GRPO를 50단계 적용한 뒤 모델의 pass@1은 51.70%에서 60.78%로 상승했고, 20번의 시도에서 모두 정답을 낸 과제 수는 38개(7.5%)에서 107개(21.1%)로 늘었다. 다만 한 번 이상 정답을 낸 과제의 범위는 소폭 줄었다.