Microsoft e Hugging Face pubblicano ThinkingBox-Training su GitHub
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Il sistema trasforma il controllo eseguibile dello stato finale del database in reward per migliorare agenti post-training.
Microsoft e Hugging Face rendono disponibile ThinkingBox-Training su GitHub. Il metodo usa controlli eseguibili sullo stato finale di un database come segnali di reward per il post-training di agenti su compiti fuori benchmark1.
L’idea nasce da un caso pratico: un agente dichiara di aver finito, il database dice il contrario. ThinkingBox valuta il lavoro confrontando lo stato finale del database con l’esito atteso. La verifica avviene sul risultato eseguibile, non sulle dichiarazioni dell’agente1.
Gli autori hanno costruito anche un benchmark. Si chiama ThinkingBox-Bench e contiene 507 task. Ogni task fornisce all’agente un backend reale e un set di strumenti. Il sistema confronta lo stato terminale del database con l’output previsto e usa questo confronto per valutare l’esecuzione1.
La stessa classe di segnali, ottenuti da controlli eseguibili, viene usata come reward di addestramento su task esterni al benchmark. L’obiettivo è misurare se il riuso del segnale operativo migliora il comportamento degli agenti quando affrontano compiti che non fanno parte di ThinkingBox-Bench1.
I risultati su un modello di riferimento sono numerici e documentati. Su Qwen3.8-27B, il successo medio è salito dal 51,70% al 60,78%. Con 50 GRPO steps, i task completati correttamente in tutte le 20 esecuzioni sono passati da 38 a 107. I test riguardavano compiti fuori dal benchmark1.
ThinkingBox-Training riutilizza l’esito dei controlli sul database come segnale di apprendimento. Il reward deriva dal confronto tra stato terminale e obiettivo atteso, lo stesso meccanismo che ThinkingBox impiega per la valutazione. La componente eseguibile diventa così il nesso tra verifica del compito e aggiornamento dell’agente nel post-training1.
Il progetto e i risultati compaiono in un post congiunto di Microsoft e Hugging Face. Il blog ringrazia Mirco Milletari e Xiang Jiang di Microsoft, Sergio Paniego di Hugging Face e l’ex stagista Zhuochun Li dell’University of Pittsburgh per i contributi e le revisioni1.
ThinkingBox-Training è disponibile su GitHub. Gli autori presentano l’approccio come estensione operativa di ThinkingBox, con un riuso del segnale eseguibile per addestrare agenti su compiti che non appartengono al benchmark ThinkingBox-Bench1.
Il post arriva come seguito del precedente “The Agent Said It Was Done. The Database Disagreed.”, e sposta l’attenzione dalla sola valutazione all’impiego degli stessi controlli come reward di addestramento. La traiettoria proposta è chiara: partire dallo stato del database a fine esecuzione e usarlo sia per misurare l’esito sia per guidare il post-training1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono. Valutazione su questo pezzo: 9/10.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale: superato.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica. Questo articolo ha preso 7,8/10.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.