ThinkingBox将数据库校验转为强化学习奖励

研究团队将ThinkingBox的数据库最终状态可执行校验用作训练奖励，构建离线训练任务池，在Qwen3.8-27B上经50步GRPO训练，平均成功率由51.70%升至60.78%，二十次尝试全部正确的任务数由38增至107。

• 南北阁发布Nanbeige4.3-33B模型2026-10-25
• 五个Qwen3.8-27B模型在基准测试中媲美Fable 52026-10-25
• 开发者构建宝可梦2v2多智能体LLM评测环境2026-10-22
• ISTA-DASLab用预填充模型提升Qwen3.8-27B低量化精度2026-10-20
• 单张16GB显卡跑九个模型五项编程任务横评2026-10-18