微软与 Hugging Face 发布 ThinkingBox:按数据库终态给 AI 智能体打分
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。
公司与模型
Hugging Face 开源社区动态:热门模型与数据集、排行榜变化与开源生态的晴雨表。
1 条精选近 30 天 1 条共收录 1 条
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。