Hugging Face Blog·· 20 小时前精选AI 评分70
微软与 Hugging Face 联合发布 ThinkingBox：基于后端状态评估 AI 智能体的一致性
The Agent Said It Was Done. The Database Disagreed.
AI 导读
微软与 Hugging Face 联合发布 ThinkingBox 与 ThinkingBox-Bench，通过 507 个有状态业务工作流、每个任务跑 20 次，按数据库终态和副作用而非工具调用来给 AI 智能体打分。
推荐理由
原文把评估重点从工具调用转向数据库终态，并用 20 次重复把“能做一次”和“能做稳”拆开看，读者可以据此调整自己的智能体评测口径。
来源：Hugging Face Blog · huggingface.co