Naukowcy pracujący dla Hugging Face opracowali innowacyjne podejście do trenowania agentów AI poprzez wykorzystanie ocen z baz danych jako bezpośredniego źródła nagrody w procesie uczenia ze wzmacnianiem. Metoda o nazwie ThinkingBox zmienia tradycyjny model, w którym trening wymaga ręcznego etykietowania danych, na system oparty na automatycznych sygnałach pochodzących z samych baz danych.
Kluczoweą ideą jest to, że zamiast polegać na ocenach człowieka czy sztywnych metrykach, system uczy się bezpośrednio z feedback'u generowanego przez schematy baz danych i walidację wyników. Agenty pracujące na strukturyzowanych danych mogą w ten sposób otrzymywać rzeczywiste nagrody za poprawne interakcje z bazą, co prowadzi do szybszego i bardziej efektywnego uczenia. Podejście ma szczególne znaczenie dla aplikacji pracujących z dużymi zbiorami danych, gdzie tradycyjne metody treningu byłyby zbyt czasochłonne czy kosztowne.
To rozwiązanie otwiera nowe możliwości dla automatyzacji procesu post-trainingu modeli AI. Zamiast ograniczać się do wstępnie zdefiniowanych scenariuszy testowych, agenty mogą uczyć się adaptacyjnie na podstawie rzeczywistych interakcji z danymi. Potencjalne zastosowania obejmują systemy baz danych inteligentne asystenci pracujące z informacjami strukturyzowanymi czy optymalizację złożonych zapytań baz danych przy użyciu AI.