Hugging Face Blog·· 6 天前精选AI 评分81
Microsoft 与 Hugging Face 发布 ThinkingBox 智能体评测环境
The Agent Said It Was Done. The Database Disagreed.
AI 导读
Microsoft 与 Hugging Face 发布 ThinkingBox 及 ThinkingBox-Bench，通过终端后端状态和副作用评测 AI 智能体，并在每项任务上重复运行 20 次。
推荐理由
文章把智能体评测从工具调用和最终回复推进到后端状态与副作用，并用20次重复揭示一次成功与持续可靠性之间的差距。
来源：Hugging Face Blog · huggingface.co