A Microsoft e a Hugging Face publicaram no GitHub o código do ThinkingBox‑Training. As equipes usaram uma recompensa baseada em verificações do estado do banco de dados para ajustar o modelo Qwen3.8‑27B. Após 50 etapas de GRPO, a taxa pass@1 do modelo subiu de 51,70% para 60,78%, e o número de tarefas acertadas em todas as 20 tentativas aumentou de 38 (7,5%) para 107 (21,1%). A melhora veio acompanhada de uma pequena queda na cobertura de tarefas acertadas pelo menos uma vez.
Por que importa
Para empresas que precisam de atualizações confiáveis em bancos de dados, o modelo ajustado tem cerca de três vezes mais chances de acertar uma tarefa em todas as tentativas.
