Hugging Face Blog·· 9 天前精选AI 评分78
Microsoft ThinkingBox 登陆 Hugging Face，用数据库状态评测 AI 智能体
The Agent Said It Was Done. The Database Disagreed.
AI 导读
Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱及 ThinkingBox-Bench，基准包含 507 个有状态业务工作流，每个任务运行 20 次，并通过隔离 MCP 工具会话检查最终后端状态与副作用。
推荐理由
ThinkingBox 用后端最终状态和副作用判定智能体任务成败，并通过 20 次重复运行区分单次能力与稳定可靠性。
来源：Hugging Face Blog · huggingface.co