Adatbázis-eredményekkel taníthatók AI-ügynökök a kiadott ThinkingBox rendszerben

A 2026. október 22-i bejelentés az adatbázisrekordokat módosító ügynököket tanító fejlesztőknek mutatja be a ThinkingBox-Training rendszert. Egy feladatvégrehajtási menet végén ellenőrzések vetik össze a kapott állapotot az elvárt eredménnyel: a hibás, hiányzó vagy többlet-mellékhatás sikertelen eredményt jelent. A legtöbb ellenőrzés rögzített szabályokat követ; kisebb részük szűken meghatározott követelményekhez modellbírót használ. A nyilvános minta a csatlakozási felület kipróbálására szolgál; nem azonos a közölt kísérlet mögötti privát tanítófeladat-készlettel.

Az előkészítési útmutató betöltőadaptert ad: ez a kód a feladatazonosítókból futtatható eseteket állít elő. Ha az adapter a kódtáron kívül marad, az adatok helye és a feladatválasztás futáskor megadható bemenet lesz. A nyilvános példa 39 feladatazonosítót tartalmaz, mindegyik a mérési feladatlistán kívülről származik; használat előtt valamennyit ellenőrizni kell, majd a fejlesztők saját, jogosultan használható feladatokat kapcsolhatnak hozzá. Az előkészítő parancs a darabszámokat, kiválasztott azonosítókat, hash-eket, statisztikákat és futásjegyzéket a kódtáron kívül rögzíti.

Az értékelési útmutató megkülönbözteti a mentett tanítási állapotot a kiszolgálásra kész modelltől: az elosztott állapotmentés részeit előbb össze kell egyesíteni. Az egyesített súlyok következtetésre használhatók, a tanítás folytatására nem. A dokumentált, 507 feladatot 20 ismétléssel futtató tesztnél az értékelő szkript az eredmények összesítése előtt ellenőrzi, hogy minden elvárt feladat–ismétlés pár pontosan egyszer szerepeljen, rendszerhibás sorok nélkül. Infrastruktúrahiba esetén az útmutató csak a hiányzó vagy rendszerhibás esetek újrafuttatását írja elő, és a teljes lefedettség eléréséig nem engedi végleges pontszám közlését.