# RL-finetuning verhoogt herhaalbaar succes van Qwen3.8‑27B op ThinkingBox

> Na 50 stappen training met offline geselecteerde taken steeg het aantal taken dat Qwen3.8‑27B altijd goed uitvoerde van 38 naar 107 op de ThinkingBox‑Bench met 507 taken.

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

Microsoft en Hugging Face hebben de code voor ThinkingBox‑Training op GitHub gepubliceerd. Ze gebruikten een beloning op basis van controles van de databasestatus om het model Qwen3.8‑27B te finetunen. Na 50 GRPO-stappen steeg de pass@1-score van het model van 51.70% naar 60.78%. Ook nam het aantal taken dat het bij alle 20 pogingen goed uitvoerde toe: van 38 (7.5%) naar 107 (21.1%). Daar stond een bescheiden daling van de dekking bij ten minste één geslaagde poging tegenover.

## De feiten

- De training bestond uit 50 GRPO-stappen op een pool van 187 offline geselecteerde taken
- Het aantal taken dat 20/20 keer goed werd uitgevoerd, steeg van 38 naar 107

## Waarom het ertoe doet

Voor bedrijven die betrouwbare database-updates nodig hebben, is de kans met het gefinetunede model ongeveer drie keer zo groot dat een taak elke keer goed wordt uitgevoerd.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-22