속보02 / IT
Microsoft, 에이전트 강화학습 도구 공개
회사 수치로 반복 성공 과제는 늘었지만 한 번이라도 푼 과제는 줄었고, 라이선스 이름은 드러나지 않았다.

Microsoft는 10월 22일 ThinkingBox-Training GitHub 공개를 밝혔다. 학습엔 H100 24장을 썼고, 라이선스 이름은 확인되지 않았다.
명세. 회사 블로그에 따르면 학습 대상은 Qwen3.8-27B다. 학습법은 시도 간 보상 차이로 배우는 강화학습 GRPO다. 전체 파라미터를 50스텝 돌렸고, 과제는 187개를 썼다.
ThinkingBox-Bench는 과제 507개로 에이전트를 채점한다. 회사 설명으로는 작업 뒤 데이터베이스 최종 상태가 판정 기준이다. 이번엔 같은 판정을 벤치마크 밖 과제의 보상으로 썼다.
결과. 회사가 밝힌 평균 성공률은 51.70%에서 60.78%로 올랐다. 20회 모두 통과한 과제는 38개에서 107개로 늘었다. 한 번이라도 푼 과제는 453개에서 446개로 줄었다.
회사는 벤치마크 과제를 학습에 쓰지 않았다고 밝혔다. 다만 두 묶음은 프레임워크와 일부 도구를 공유한다. 회사는 이 점이 전이 주장의 범위를 좁힌다고 덧붙였다.
회사 비교 표에 적힌 20회 전부 통과 과제는 이 모델이 107개다. Kimi-K3는 68개로 더 적다. GPT-5.4는 128개, Claude Opus 5.5는 241개다.
가중치 배포와 재배포·상용 조건은 공개 문서에서 확인되지 않았다.