#GRPO 訓練

ThinkingBox 把資料庫核對升格成 RL 獎勵函式

2026 年 10 月 22 日，Microsoft 的 Mirco Milletari、Xiang Jiang 與 Hugging Face 的 Sergio Paniego，以及前實習生 Zhuochun Li（匹茲堡大學）聯合發布了 ThinkingBox-Training，並同步在 GitHub 上公開訓練程式碼。