微软与 Hugging Face 用 ThinkingBox 把数据库校验变成 RL 奖励，微调 Qwen3.8-27B

入选记录

入选两次之和 126 ≥ 门槛的两倍 120

信源等级

官方一手，这一级的门槛是 60 分

预筛

通过：AI Agent训练与评测方法

推荐理由

原文给出了把数据库终态校验当作 RL 奖励的完整训练流程与前后对比数据，可迁移到其他有状态智能体任务。

评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。