Microsoft hat auf der Plattform Hugging Face einen technischen Beitrag zur Weiterentwicklung von Agenten veröffentlicht. Die Veröffentlichung trägt den Titel „Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox“ und stellt das Nachtraining entsprechender Systeme in den Mittelpunkt. Weitere detaillierte Ausführungen zum Verfahren stehen im begleitenden Beitrag der Organisation bereit.
Der methodische Schwerpunkt liegt laut der Veröffentlichung darauf, Bewertungsergebnisse aus Datenbanken in Belohnungssignale für das verstärkende Lernen umzuwandeln. Das Konzept sieht vor, „Turning Database Grading into RL Rewards“ als Grundlage für diesen Optimierungsprozess einzusetzen. Ziel dieser Vorgehensweise ist das nachträgliche Training („Post-Training Agents with ThinkingBox“) von Modellen über die ThinkingBox-Methodik.