Hugging Face Blog·· 4 天前精选AI 评分72
微软与 Hugging Face 发布 ThinkingBox：按数据库终态评测 AI 智能体
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，通过隔离的 MCP 工具会话运行智能体，再依据终端后端状态和副作用而非生成的语句来评分，覆盖 507 个有状态业务流程、每个任务重复 20 次。
推荐理由
微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非工具调用判断成败，并给出 20 次重复的一致性数据。
来源：Hugging Face Blog · huggingface.co