Hugging Face Blog·· 1 天前精选AI 评分71
微软发布 ThinkingBox：按数据库终态而非模型自述评测 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，再检查其留下的终端数据库状态和副作用来判定任务成败，而非看模型生成的回复。
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任务成败，并给出可复现的开源环境。
来源：Hugging Face Blog · huggingface.co