허깅페이스, DB 상태 기반 에이전트 강화학습 기법 'ThinkingBox' 공개

요약

Hugging Face는 데이터베이스 상태를 기반으로 에이전트의 작업 완료 여부를 검증하고 이를 강화학습 보상으로 활용하는 ‘ThinkingBox’를 공개했다. 기존 벤치마크 데이터셋인 ThinkingBox-Bench는 507개의 작업에서 에이전트의 도구 사용 결과와 실제 데이터베이스 변경 사항을 비교해 작업의 성공 여부를 정밀하게 평가한다. 이를 통해 에이전트가 작업 완료를 선언했음에도 실제로는 처리가 미흡한 사례를 효과적으로 잡아낼 수 있다. ThinkingBox를 활용해 외부 작업에서 얻은 실행 가능한 신호를 보상 함수로 적용한 결과, Qwen3.8-27B 모델의 평균 성공률이 51.70%에서 60.78%로 향상되었다. 또한 50단계의 GRPO 학습을 거친 후, 모든 시도에서 작업을 정확히 완료한 횟수가 기존 38회에서 107회로 대폭 증가했다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.