微软 ThinkingBox：把数据库终态检查直接当作 RL 奖励训练 Agent
微软与 Hugging Face 10 月 22 日发文介绍 ThinkingBox-Training：ThinkingBox 基准原本用可执行检查比对 Agent 留下的数据库…
#fine-tuning
共 7 条，覆盖 4 期。
关注后，日报里带这个标签的条目会高亮，可一键只看关注。
每期条数最近 10 期
10月25日 周日2
论文：推理模型爱说「wait」，多半是从训练数据继承的
华为诺亚方舟实验室等团队的论文追踪了开源模型训练过程中「wait」这一自我反思标记的来源。
10月24日 周六2
Hugging Face 发布 Agent 后训练课程：从 SFT 到在真实外围系统里做 RL
Hugging Face 10 月 20 日发布一份 Agent 后训练课程，配合「Training Agents」直播系列，以编码 Agent 为例，把后训练拆成五步：SFT、…
WorldTUI：把 360M 小模型训练成「假装是终端」的世界模型
开发者 simedw 在 Qwen2.5-Coder-0.5B 上微调出 WorldTUI：背后没有真实 shell 或文件系统，模型根据当前屏幕和每次按键预测屏幕如何变化，能运…
10月23日 周五1
VocabX：按成本重建小模型词表，评分模型推理成本降 77%
Dharma-AI 10 月 21 日介绍 VocabX：在基础模型、数据和训练配方不变的前提下，为领域小模型重建分词词表。
10月20日 周二2
在 MacBook Air 上用蒸馏 + LoRA 训掉小模型的「AI 腔」
开发者 Erik Markus Kannike 以 Qwen3-4B-Instruct-2507 为基座，通过「教师模型作答、规则过滤、LoRA 学习」的蒸馏流程，训练掉破折号、…
IBM 发布 Granite Switch 4.1：一个端点同时做对话、判断和语音转写
IBM 于 10 月 15 日发布 Granite Switch 4.1（8B 和 30B），在 Granite 4.1 基座上组合多个 Activated LoRA（aLoRA…