tag: ThinkingBox

ThinkingBox: ปรับปรุงเอเจนท์ AI ด้วยการทำ Post-Training ผ่านรางวัล RL

ThinkingBox: ปรับปรุงเอเจนท์ AI ด้วยการทำ Post-Training ผ่านรางวัล RL

· By: NatapolK
ทีมนักวิจัยใช้ ThinkingBox เปลี่ยนการตรวจสอบสถานะฐานข้อมูลให้เป็นฟังก์ชันรางวัลเพื่อฝึกฝนเอเจนท์ AI ด้วยวิธี GRPO ช่วยเพิ่มความน่าเชื่อถือและอัตราความสำเร็จของ Qwen3.8-27B ได้เกือบ 3 เท่า
ThinkingBox: เมื่อ AI Agent บอกว่าเสร็จ แต่ฐานข้อมูลบอกว่าไม่ใช่

ThinkingBox: เมื่อ AI Agent บอกว่าเสร็จ แต่ฐานข้อมูลบอกว่าไม่ใช่

· By: NatapolK
Microsoft และ Hugging Face เปิดตัว ThinkingBox เกณฑ์วัดความน่าเชื่อถือของ AI agent จากผลลัพธ์ในฐานข้อมูลจริง แทนการดูเพียงคำตอบหรือการเรียกใช้เครื่องมือ พร้อมทดสอบความสม่ำเสมอด้วยการรันซ้ำ 20 ครั้ง