Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox

Microsoft ha presentado ThinkingBox, una herramienta que permite convertir la evaluación de bases de datos en recompensas para agentes de aprendizaje automático. Esto permite mejorar el rendimiento de los agentes después de su entrenamiento. La herramienta se basa en la tecnología de Hugging Face y se puede utilizar con diferentes lenguajes de programación.