Hugging Face Blog·· 1 小时前精选AI 评分70
Microsoft ThinkingBox 登陆 Hugging Face，按数据库终态与 20 次重复一致性评测 AI 智能体
The Agent Said It Was Done. The Database Disagreed.
AI 导读
Microsoft 与 Hugging Face 联合发布 ThinkingBox 智能体沙箱及 ThinkingBox-Bench 基准，通过 Hugging Face 与 OpenEnv 接口开放，按 507 个有状态业务工作流的终端数据库状态和副作用评分，每任务重复 20 次。
推荐理由
基准用数据库终态而非工具调用轨迹评分，并给出 pass@1 与 20/20 一致率的落差数据，对选型实际接触记录的模型有直接参考价值。
来源：Hugging Face Blog · huggingface.co