# 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.

Oossa · 2026-10-22 · https://oossa.com/ko/rl-fine-tuning-boosts-qwen3-8-27b-repeatable-success-on-thinkingbox-benchmark

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.

## 팩트

- 학습에는 오프라인에서 선별한 187개 과제 묶음을 대상으로 GRPO 50단계를 적용했다
- 20회 시도에서 모두 정답을 낸 과제는 38개에서 107개로 늘었다

## 왜 중요한가

데이터베이스를 안정적으로 업데이트해야 하는 기업 입장에서, 미세 조정된 모델은 과제를 매번 정확히 처리할 가능성이 약 3배 높다.

## 출처 및 참고 자료

1. [Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox](https://huggingface.co/blog/microsoft/thinkingbox-training) – Hugging Face, 2026-10-22

최종 업데이트: 2026-10-22