Агент сказал «готово», база — нет: Microsoft учит Qwen на проверке БД
Агент сказал «готово», база — нет: Microsoft учит Qwen на проверке БД Агент отчитался «готово», а проверка финального состояния базы всё равно ставит ноль. Microsoft с Hugging Face выложили ThinkingBox-Training: исполняемый вердикт с бенчмарка, а не красота цепочки вызовов, теперь кормит дообучение Qwen. Смысл простой. Модель учат не «чаще угадывать с первого раза в среднем», а не портить одни и те же продовые сценарии на повторных прогонах. На отельной брони перестала менять платёж без одобрения менеджера — во всех двадцати попытках после обучения. Для агентов с MCP это ближе к тому, что вы ждёте от продакшена: не один удачный заход, а одинаковый итог в базе каждый раз.
5 просмотров