Hugging Face Blog·· 12 天前精选AI 评分71
微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
The Agent Said It Was Done. The Database Disagreed.
AI 导读
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它不看智能体生成的语句，而是检查其在隔离 MCP 工具会话后留下的后端终态与副作用，并对 507 个有状态业务流程各跑 20 次。
推荐理由
微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定成败，并给出可复现的 OpenEnv 运行方式。
来源：Hugging Face Blog · huggingface.co