Hugging Face Blog·· 2 小时前精选AI 评分71
微软与 Hugging Face 发布 ThinkingBox：按数据库终态而非回答给 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，通过隔离的 MCP 工具会话运行智能体，按终端后端状态和副作用而非生成文本打分，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研究，用 507 个有状态工作流各跑 20 次，揭示单次成功率与稳定复现之间的差距。
来源：Hugging Face Blog · huggingface.co