AI 动态人工智能
将数据库评分转化为RL奖励：用ThinkingBox对Agent进行后训练
我们构建了ThinkingBox，通过将最终数据库状态与预期结果进行对比来评估Agent的工作。随后，我们在ThinkingBox-Bench之外的训练任务上，将同类的可执行信号用作奖励。对于Qwen3.8-27B，平均成功率从51.70%提升至60.78%，而所有任务均正确完成……
Hugging Face
继续探索
你好呀，正在用屏幕阅读器的朋友。这个网站的每个按钮和图片我都认真标注过，希望你逛得顺畅。有任何不方便的地方，页脚有我的邮箱，说了我就改。—— 店主
加载中…
我们构建了ThinkingBox，通过将最终数据库状态与预期结果进行对比来评估Agent的工作。随后，我们在ThinkingBox-Bench之外的训练任务上，将同类的可执行信号用作奖励。对于Qwen3.8-27B，平均成功率从51.70%提升至60.78%，而所有任务均正确完成……
Hugging Face
继续探索
Genie 4：我们的新世界模型在实时模拟中实现了前所未有的真实感。
了解 Google DeepMind 与 GovTech Singapore 如何使用轻量级端侧 Gemma 模型，在私密聊天中拦截对话式诈骗，且完全不向云端传输数据。
Gemini 4 Argon 是模型能力向前迈出的一步——尤其是在跨编码、金融、法律、网络安全和科学等领域中，针对复杂现实世界任务的深度工作方面。其网络防御能力达到前沿水平，旨在让防御方相较攻击方占据优势。为了最大…
利用 Google Antigravity for Science 加速寻找新型抗菌肽。