跳到正文
只看论文#Hugging Face
  1. Hugging Face Blog65

    微软与 Hugging Face 将数据库校验转为 RL 奖励，用 ThinkingBox 后训练智能体

    微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的可执行校验直接当作奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。

    推荐理由：微软与 Hugging Face 把数据库终态校验改造成 GRPO 奖励，并公开了任务筛选与训练代码，可供做智能体后训练时参考。

  1. Hugging Face Blog60

    Dharma-AI 研究：专门化 SLM 词表可将实际应用推理成本降低 77%

    Dharma-AI 在 Hugging Face 博客中预览即将发布的 VocabX 论文，提出按每个 token 的推理成本而非出现频率重建小模型词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上把实测推理成本降低 77.0%，基座模型、数据和训练配方均未改变。

    推荐理由：作者以生产环境作文评分器为例，展示按 token 成本而非词频重建词表，在基座模型不变时把实测推理成本降 77%。

已经到底了