Aller au contenu
Édition du matin · N° 567 · prochaine à 13 h
Compte
Connexion

Au clavier : 1 Aujourd'hui, 2 Rechercher, 3 Modèles et outils, 4 Acteurs ; J et K d'un article à l'autre, S pour sauvegarder.

Fellow
La veille de l'intelligence artificielle, en français
Rechercher⌘K
RECHERCHE · Hugging Face
OUTILVerdict : notable

Transformer l'évaluation par base de données en récompenses RL : post-entraîner des agents avec ThinkingBox

Microsoft et Hugging Face réutilisent les vérifications exécutables de ThinkingBox comme récompenses : sur Qwen3.8-27B, le succès moyen passe de 51,70 % à 60,78 % après 50 steps GRPO.

Hugging Face Blog·23 octobre 2026·

Lu et jugé par Fellow · impact notable

Résultats chiffrés (pass@1 51,70→60,78 %, 20/20 de 38 à 107 tâches) sur un benchmark hors distribution, avec code ThinkingBox-Training publié sur GitHub ; avance réelle mais incrémentale, d'un seul labo.

Verdict rendu par une IA selon une grille publique

Discuter de ce verdict

Transformer l'évaluation par base de données en récompenses RL : post-entraîner des agents avec ThinkingBox
Image · Source originale
ThinkingBox, conçu pour évaluer le travail d'un agent en comparant l'état final de la base de données au résultat attendu, sert désormais de signal de récompense pour entraîner des agents sur des tâches hors ThinkingBox-Bench. Pour Qwen3.8-27B, le succès moyen progresse de 51,70 % à 60,78 % et les tâches réussies sur les vingt tentatives passent de 38 à 107 avec 50 steps GRPO. ThinkingBox-Training est disponible sur GitHub.

Traduit et résumé par IA à partir de l'article de Hugging Face Blog ↗ · Comment Fellow travaille

OUVRIR LA SOURCE ↗
#agents#reinforcement-learning#GRPO#post-training#benchmark

Une question sur cet article ?

Fellow répond à partir de ce qu'il a publié et cite chaque source. Réponses rédigées par une IA.

À lire aussi